一葵姥、為什么必須要有正則表達(dá)式
正則表達(dá)式(regular expression)描述了一種字符串匹配的模式（pattern），可以用來檢查一個(gè)串是否含有某種子串舞丛、將匹配的子串替換或者從某個(gè)串中取出符合某個(gè)條件的子串等。
在我們使用xpath和css選擇器時(shí)只能取到html標(biāo)簽下的一段字符串，比如我們要取知乎回答下的時(shí)間走贪，有的是“發(fā)布于 13:57”，有的是“發(fā)布于 昨天 13:50”惑芭，還有的是“發(fā)布于 2016-03-17”坠狡。如果我們不用正則表達(dá)式，而用其他替代方案遂跟，比如多個(gè)if else擦秽，或者replace，處理起來是非常繁瑣的漩勤。
本文章將介紹幾種非常常用的特殊字符感挥，學(xué)會(huì)了使用這些字符將會(huì)解決98%爬蟲需要做字符串提取的工作。
二越败、正則表達(dá)式最常見的字符
1）特殊字符：就是一些有特殊含義的字符触幼。 $ () * + . [ ? \ ^ { |
2）限定符：用來指定正則表達(dá)式的一個(gè)給定組件必須要出現(xiàn)多少次才能滿足匹配。* + ? {n} {n,} {n,m}
3）定位符：用來描述字符串或單詞的邊界究飞。^ $
4）其他字符：\w \W \s \S \d
我先不介紹這些字符有什么含義置谦，我們直接進(jìn)入python示例
三堂鲤、正則表達(dá)式的簡(jiǎn)單應(yīng)用及python示例
3.1、介紹^ . * $的用法
1）^ 匹配輸入字符串開始的位置媒峡。
2）. 匹配除換行符 \n 之外的任何單字符瘟栖。
3）* 匹配前面的子表達(dá)式零次或多次。
4）$ 匹配輸入字符串的結(jié)尾位置谅阿。
3.2半哟、介紹() ?用法
1）()標(biāo)記一個(gè)子表達(dá)式的開始和結(jié)束位置。
2）?匹配前面的子表達(dá)式零次或一次签餐，或指明一個(gè)非貪婪限定符寓涨。
3.3、介紹+ {n} {n,} {n,m}用法
1）+匹配前面的子表達(dá)式一次或多次氯檐。例如戒良，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"冠摄。+ 等價(jià)于 {1,}糯崎。
2）{n} n 是一個(gè)非負(fù)整數(shù)。匹配確定的 n 次河泳。例如沃呢，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的兩個(gè) o乔询。
3）{n,} n 是一個(gè)非負(fù)整數(shù)樟插。至少匹配n 次。例如竿刁，'o{2,}' 不能匹配 "Bob" 中的 'o'黄锤，但能匹配 "foooood" 中的所有 o。'o{1,}' 等價(jià)于 'o+'食拜。'o{0,}' 則等價(jià)于 'o*'鸵熟。
4）{n,m} m 和 n 均為非負(fù)整數(shù)，其中n <= m负甸。最少匹配 n 次且最多匹配 m 次流强。例如，"o{1,3}" 將匹配 "fooooood" 中的前三個(gè) o呻待。'o{0,1}' 等價(jià)于 'o?'打月。請(qǐng)注意在逗號(hào)和兩個(gè)數(shù)之間不能有空格。
3.4蚕捉、介紹｜[123] [0-9] [^1]用法
1）｜指明兩項(xiàng)之間的一個(gè)選擇奏篙。
2）[123] 只要是123中的其中一個(gè)即可。
3）[0-9] 只要是0-9中的任意數(shù)字即可。
4）[^1] 非秘通，只要不是1即可为严。
3.5、介紹\s \S \w \W \d用法
1）\s匹配任何空白字符肺稀，包括空格第股、制表符、換頁符等等话原。等價(jià)于 [ \f\n\r\t\v]夕吻。
2）\S匹配任何非空白字符。等價(jià)于 [^ \f\n\r\t\v]稿静。
3）\w 等價(jià)于[A-Za-z0-9_]梭冠。
4）\W 與\w相反辕狰。
5）\d 所有數(shù)字改备，等價(jià)于[0-9]。
