Python爬虫基础——正则表达式

• Python爬虫基础——HTML、CSS、JavaScript、JQuery网页前端技术
• Python爬虫基础——正则表达式
• Python爬虫基础——re模块的提取、匹配和替换
• Python爬虫基础——XPath语法的学习与lxml模块的使用【优快云】
• Python爬虫进阶——JsonPath使用案例
• Python爬虫进阶——urllib模块使用案例【淘宝】
• Python爬虫进阶——Request对象之Get请求与URL编码【英雄联盟吧】
• Python爬虫进阶——Request对象之post请求案例分析【百度翻译】
• Python爬虫实战—— Request对象之header伪装策略
• Python爬虫实战——反爬策略之代理IP【无忧代理】
• Python爬虫实战——反爬策略之模拟登录【优快云】
• Python爬虫实战——反爬机制的解决策略【阿里】
• Python爬虫总结——常见的报错、问题及解决方案

说到爬虫，不可避免的会牵涉到正则表达式。
因为你需要清晰地知道你需要爬取什么信息？它们有什么共同点？可以怎么去表示它们？
而这些，都需要我们熟悉正则表达，才能更好地去提取。


先简单复习一下各表达式所代表的意思：

案例：

• 定义密码的正则表达式：
  英文字母开头，可以包括数字、大小写英文字母、下划线，6-16位。
  表达式为：
  password_pattern='^[a-zA-Z]{1}[a-zA-Z0-9_]{5-15}$'
  或password pattern='^[a-zA-Z][a-zA-Z0-9_]{5-15}$'
• 匹配div标签，class="class1"中的文本内容：
  <div class="class1">要匹配的内容</div>
  表达式为：
  div_pattern1='<div class="class1">(.*)</div>'
• 匹配div标签中div标签，class="class1"中的文本内容：
  <div><div class="class1">要匹配的内容</div></div>
  表达式为：
  div_pattern1='<div class="class1">(.*?)</div>'

注意：?的作用是关闭贪婪模式，如果去掉?，则会匹配出要匹配的内容</div>字符串。

---

为我心爱的女孩~~