前两天小编整理一份爬虫的资料，不知道大家伙是否还记得，这一次小编结合所学习的内容，跟大家分享分享。
大家可以给小编提提意见，今天主要分享的是使用正则表达式解析网页。
Python爬虫是非常重要的板块，学起来刚开始有一些迷茫，慢慢的熟悉之后就变成“老司机”，相信刚开始学习python的小伙伴也能和小编一样，可以学着自己分享一下一些东西。
每一个上班族或者就算宅在家的人，每天都需要打开网页搜索资料，所以今天我们就利用Python爬虫，来解析网页。
话不多少，下面正式开始分享
认识正则表达式
正则表达式就是对字符串进行操作的逻辑公式，相当于‘过滤’这个字符串。
一开始学习可能是懵懂的，小编就是这样，后来一直不停的复习，总算是学会了。
常用的正则表达式
单字符：
. : 除换行以外所有字符
[] ：[aoe] [a-w] 匹配集合中任意一个字符
\\d ：数字 [0-9]
\\D : 非数字
\\w ：数字、字母、下划线、中文
\\W : 非\\w
\\s ：所有的空白字符包,括空格、制表符、换页符等等。等价于 [ \\f\\n\\r\\t\\v]。
\\S : 非空白
数量修饰：
* : 任意多次 >=0
+ : 至少1次 >=1
? : 可有可无 0次或者1次
{m} ：固定m次 hello{3,}
{m,} ：至少m次
{m,n} ：m-n次
边界：
$ : 以某某结尾
^ : 以某某开头
分组：
(ab)
贪婪模式： .*
非贪婪（惰性）模式： .*?
re.I : 忽略大小写
re.M ：多行匹配
re.S ：单行匹配
re.sub(正则表达式, 替换内容, 字符串)
re.match方法
这里直接来讲解正则表达式的re.match方法：
先上一批代码：
import re
test=re.match('www','www.baidu.com')
print('result:',test)
print('begin and end tuple:',test.span())
print('begin:',test.start())
print('end:',test.end())
利用re.match方法，结果为：
result: <re.match>
begin and end tuple:(0, 3)
begin:0
end:3
span()是匹配结果的开始位置和结束位置
start()和end()则是分别开始和结束。
下面试着把pattern进行一些改变：
import re
pattern='Cats are smarter than dogs'
test=re.match(r'(.*) are (.*?) dogs',pattern)
print('the whole sentence:',test.group(0))
print('the first result:',test.group(1))
print('the second result:',test.group(2))
print('a tuple for result:',test.groups())
最终结果，你会得到：
the whole sentence: Cats are smarter than dogs
the first result: Cats
the second result: smarter than
a tuple for result: ('Cats', 'smarter than')
注意：r表示纯字符，防止反斜杠转译。
()里面小编这里用的是嵌入正则表达式，所以就最后匹配了Cats和smarter than。
re.search方法
re.match只从字符串开始进行匹配，请看下面代码：
import re
link='www.baidu.com'
print(re.match('baidu',link))
print(re.search('baidu',link))
结果显示：
None
<re.match>
从这里就可以看到，这两者的区别，match发现开头没有就直接返回None了，而search则从头扫描到尾。
re.findall方法
这个就是比较牛掰的方法，也是小编常用的，因为它可以找到所有的匹配。比如：
import re
link='www.baidu.com www.baidu,com'
print(re.match('www',link))
print(re.search('www',link))
print(re.findall('www',link))
结果如下：
<re.match>
<re.match>
['www', 'www']
我们可以看到Match和search只能返回一个www，但是使用findall可以找到所有的哦，所以小编可以推荐大家使用re.findall方法，不过也要根据自己情况而定。
这三种方法，小编做了稍微的总结，用一句话概括：一山还比一山高。
search比Match用起来则更加灵活，findall又比前两者爬取到更多网页知识，整体学起来是不是很难，主要是需要对症下药，找到合适的匹配规则。
其实小编学习python爬虫时间并不长，在此期间加入了一个学习python的社群，天天与学习python的童鞋们交流分享，不懂的问题也有助教老师帮我们分析，所以说掌握知识很简单，如果你也想加入我们这个大家庭，欢迎来私信小编~
如果你对这篇文章感兴趣，或者你身边的人正在学习python，可以分享给朋友们一起交流学习。
閱讀更多 Q小小科技 的文章
