正则表达式

 Regular Expression 正则表达式,一种使用表达式的方式对字符串进行匹配的语法规则.
我们抓取到的网页源代码本质上就是一个超长的字符串,想从里面提取内容.用正则再合适不过了
正则的优点: 速度快,效率高,准确性高
正则的缺点: 新手上手难度有点儿高.
不过只要掌握了正则编写的逻辑关系,写出一个提取页面内容的正则其实并不复杂
正则的语法:使用元字符进行排列组合用来匹配字符串 在线测试正则表达式在线正则表达式测试
元字符: 具有固定含义的特殊符号
常用元字符:

.             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            匹配任意的空白符
\d            匹配数字
\n            匹配一个换行符
\t            匹配一个制表符
^             匹配字符串的开始
$             匹配字符串的结尾
\W            匹配非字母或数字或下划线
\D            匹配非数字
\S            匹配非空白符
a|b           匹配字符a或字符b
()            匹配括号内的表达式，也表示一个组
[...]         匹配字符组中的字符
[^...]        匹配除了字符组中字符的所有字符

量词：控制前面的元字符出现的次数

*     重复零次或更多次
+     重复一次或更多次
?     重复零次或一次
{n}   重复n次
{n,}  重复n次或更多次
{n,m} 重复n到m次

 贪婪匹配和惰性匹配

.*        贪婪匹配
.*?       惰性匹配

举个例子

字符串abcdbcd

两个正则表达式

reg1 = 'a.*d'        reg2 = 'a.*?d'

.*会找到最后一个d，而.*?只会找到第一个d