什么是正则表达式：
正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
目的：
-
给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）：
-
可以通过正则表达式，从字符串中获取我们想要的特定部分。
特点：
-
灵活性、逻辑性和功能性非常强；
-
可以迅速地用极简单的方式达到字符串的复杂控制。
-
对于刚接触的人来说，比较晦涩难懂。
元字符：
匹配边界：
^ ：匹配字符串的开头，例如：^a，匹配以 a 开头的字符串，a，aa，ab，abc
$ ：匹配字符串的结尾，例如：$a，匹配以 a 结尾的字符串，a，aa，ba，cba
\b：匹配单词（以空格区分）以…为边界，例如:er\b,匹配以 er 为边界的单词，ever，very 无法匹配
\B：匹配单词（以空格区分）不以….为边界
特殊字符：
. ：匹配除了换行符以外的任意一个字符
[ ] : 匹配括号中的任意一个字符，例如：[abc]，匹配 a,b,c 任意一个
\d ：匹配任意一个数字
\D：匹配任意一个非数字
\w：匹配任意一个数字，字母，下划线
\W：匹配任意一个非数字，字母，下划线
\s：匹配任意一个空白字符，比如换行符，空格等
\S：匹配任意一个非空白字符
匹配重复次数:
*：匹配前一个字符无限次
+：匹配前一个字符 1 次或者多次，至少匹配 一次
？：匹配前一个字符 0 次或者 1 次，最多 1 次
{n}：匹配前一个字符 n 次
{n,m}：匹配前一个字符 n-m 次
{n} ：匹配前一个字符至少 n 次
｜:匹配二者中的一个
爬虫中真个表达式的使用：
# 1、导入re模块
import re
# 2、使用compile()制定规则
pattern = re.compile(r'\d')
# 3、开始匹配
res = pattern.match(str)
# match() 只匹配一次，从头开始匹配，开头不符合规则直接返回None，匹配成功返回的是match对象
print(res.group())
# group()获取match对象中的内容
res = pattern.search(str)
# search()全局匹配，只成功一次，返回match对象
res = pattern.findall()
# 全局匹配，返回一个列表，所有符合规则的子串全部返回，没有返回空列表
res = pattern.finditer(str)
# 全局匹配，返回迭代器
正则表达式的两大模式：
贪婪模式：尽可能多的匹配：.*
非贪婪模式：尽可能少的匹配：.*？
总结：
爬虫中相对万能的正则表达式：
模式：非贪婪模式
匹配方法：findall
规则：re.compiler(r’<边界>(.\*?)‘,re.S)
re.S 代表能够匹配到换行
