1.了解正則表達式

    正則表達式是對字符串操作的一種邏輯公式，就是用事先定義好的一些特定字符、及這些特定字符的組合，組成一個“規則字符串”，這個“規則字符串”用來表達對字符串的一種過濾邏輯。

正則表達式是用來匹配字符串非常強大的工具，在其他編程語言中同樣有正則表達式的概念，Python同樣不例外，利用了正則表達式，我們想要從返回的頁面內容提取出我們想要的內容就易如反掌了。

    正則表達式的大致匹配過程是：
    1.依次拿出表達式和文本中的字符比較，
    2.如果每一個字符都能匹配，則匹配成功；一旦有匹配不成功的字符則匹配失敗。
    3.如果表達式中有量詞或邊界，這個過程會稍微有一些不同。

2.正則表達式的語法規則

下面是Python中正則表達式的一些匹配規則，圖片資料來自CSDN

3.正則表達式相關注解
（1）數量詞的貪婪模式與非貪婪模式

正則表達式通常用于在文本中查找匹配的字符串。Python里數量詞默認是貪婪的（在少數語言里也可能是默認非貪婪），總是嘗試匹配盡可能多的字 符；非貪婪的則相反，總是嘗試匹配盡可能少的字符。例如：正則表達式”ab*”如果用于查找”abbbc”，將找到”abbb”。而如果使用非貪婪的數量 詞”ab*?”，將找到”a”。

注：我們一般使用非貪婪模式來提取。
（2）反斜杠問題

與大多數編程語言相 同，正則表達式里使用”/”作為轉義字符，這就可能造成反斜杠困擾。假如你需要匹配文本中的字符”/”，那么使用編程語言表示的正則表達式里將需要4個反 斜杠”////”：前兩個和后兩個分別用于在編程語言里轉義成反斜杠，轉換成兩個反斜杠后再在正則表達式里轉義成一個反斜杠。

Python里的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r”//”表示。同樣，匹配一個數字的”//d”可以寫成r”/d”。有了原生字符串，媽媽也不用擔心是不是漏寫了反斜杠，寫出來的表達式也更直觀勒。
4.Python Re模塊

Python 自帶了re模塊，它提供了對正則表達式的支持。主要用到的方法列舉如下
 

#返回pattern對象re.compile(string[,flag]) #以下為匹配所用函數re.match(pattern, string[, flags])re.search(pattern, string[, flags])re.split(pattern, string[, maxsplit])re.findall(pattern, string[, flags])re.finditer(pattern, string[, flags])re.sub(pattern, repl, string[, count])re.subn(pattern, repl, string[, count])

在介紹這幾個方法之前，我們先來介紹一下pattern的概念，pattern可以理解為一個匹配模式，那么我們怎么獲得這個匹配模式呢？很簡單，我們需要利用re.compile方法就可以。例如