Python爬虫（四）——正则表达式

前三节我们基本掌握了抓取整个⽹⻚的基本技能，但是，还是第一节说的话，大多数情况下, 我们并不需要整个⽹⻚的全部内容，而是仅仅其中一小部分。在抽丝剥茧，挑出最需要的那部分数据时就需要合理利用一些数据提取工具，常用且非常好用的3个解析工具隆重出场。
1. re解析，又叫正则表达式，这个很重要，可以做几乎所有你想解析的事情，难度也最大；
2. bs4解析，如果说re是常规手段解决问题，那么bs4就是利用灵巧的手段解决部分具体问题；
3. xpath解析，那就再灵活一点，代码短了，但是理解起来也会难度大一点。
接下来我会详细介绍一下这三种解析方式。

1.1 正则表达式(regular expression)

 

一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。简而言之，⼀种使⽤表达式的⽅式对字符串进⾏匹配的语法规则。我们抓取到的⽹⻚源代码本质上是⼀个超⻓的字符串,正则表达式正是对字符串进行加工处理，抽取解析的一大利器。所以，学会编写正则表达式的逻辑关系是重点。

1.2构造正则表达式

构造正则表达式的方法和创建数学表达式的方法一样。通过多种元字符与运算符将多个小运算组合成一个大运算。那么我先介绍下有一些常用的元字符。

 . 匹配除换⾏符以外的任意字符
\w 匹配字⺟或数字或下划线
\s 匹配任