“爱”的宣言：本系列的目的是帮助一些零基础小白能够快速上手爬虫。因为作者本人也是一个刚入门不久的零基础小白，深知自学（乱学 ）的痛苦。本系列的知识可能不会像一些大佬的文章那般系统，但仍希望能帮助到一些小伙伴，同时，也希望能结识一些小伙伴。
本系列可能会有多篇，为了方便您的阅读，下面给出各文章之间的超链接传送门。
系列文章链接（未完待续）：
PyCharm自定义背景图片、更换主题
面向零基础小白的爬虫系列（一）：字符串
面向零基础小白的爬虫系列（二）：列表与元组
面向零基础小白的爬虫系列（三）：字典
面向零基础小白的爬虫系列（四）：库
面向零基础小白的爬虫系列（五）：循环语句与条件语句
面向零基础小白的爬虫系列（七）：Beautiful Soup（美丽的汤）
一、前言
众所周知，爬虫的基本思路为：
①发送请求
②获取响应
③解析响应、定位并提取目标数据
④保存数据
我在刚开始学的时候，第三步是花费时间最多的地方。学习了一段时间，学了四种方法，分别是正则表达式、Beautiful Soup 、Xpath和PyQuery。接下来这几篇文章（包括这篇但不限于这篇文章），我会来逐步来分享我对这几种方法的理解。
在渐渐熟练这四种方法之后，我个人的习惯是优先考虑Beautiful Soup 、Xpath，Xpath为第一考虑对象，我感觉它是最方便的，嘿嘿嘿。
那么今天就先来看看，正则表达式。
本系列文章，代码运行展示，将使用PyCharn进行运行。
二、正则表达式
先给大家安利一篇文章吧，《Python正则表达式，这一篇就够了！》
这篇文章也是我在初学正则表达式时，比较受益的一篇文章。
如果是第一天学习的小白，可能看起来会有点摸不着头脑，那么我在这里就带你看一下简化版，并且用一个小实例，带你快速上手。
1、正则表达式常见符号及其作用
点 '.' 还是比较厉害的，可以匹配除了换行符以外的任何一个字符，如，中文、英文、数字、标点符号等等。
怎么理解替代作用呢？
如：
text = '输出python字符'
这里的python就可以使用6个点替代，即'输出......字符'
同理，英文、数字、标点符号等等也是这般实现替代的
看到这里，你可能会想，这样的目的是啥呀，有啥用啊。刚开始学可能就会这样想，我也这样想过。因为这是例子，是为了方便我们理解，如果是一个爬虫项目呢，解析出来的网页，那里的数据，可不是自己一点一点输入就能解决的。
星号‘*’ 也是很了不得的呢，它可以表示它前面的一个子表达式0次到无数次。
如：
text = '你真的好帅帅帅帅帅'
这里有五个帅字，那如果使用‘*’来表示呢？
'你真的好帅*'
即使后面还有一百个帅字，可能形容你的程度都还不够，依然可以只使用*就可以表示啦。
如果把上面的'.'和'*'组合在一起，会发生什么呢？
magic！
'.'可以替换几乎任意的字符'*' 可以表示前面那个子表达式0到无数次，那么我们可不可以认为'.*'能够表达几乎任意长度的任意字符呢？我感觉是可以的！
如：
text = '你真的好nm"handsome"1+1=2帅'
这个够离谱了吧
但它就可以简单表示为：
'你真的好.*帅'
'?'的作用与‘*’的作用相似，但是它只能表示它前面那个子表达式0次或1次。
如：
text_1 = '你好帅帅呀'
text_2 = '你好帅帅帅呀'
'你好帅？呀'
这时候能和text-1成功匹配，也就是说，能够表示text_1，而不能匹配text_2,这也就是‘?’与‘*’的小区别。
这时候看，是不是感觉'?'比较菜呀，感觉活都要被抢了，实则不然，它与‘*’各有千秋。
贪婪匹配（'.*'）:贪婪，顾名思义，它会尽可能多的匹配满足条件的内容
非贪婪匹配('.*?')：与贪婪相反，它会可能少的匹配满足条件的内容
下面看一下例子（如果函数或者一些字符看不懂，没事的，主要看贪婪与非贪婪的区别）
import re
text = '你好 521 帅呀'
res_1 = re.match('你好.*(\d+).*帅呀', text)
res_2 = re.match('你好.*?(\d+).*帅呀', text)
print('这是贪婪模式的结果：', res_1.group(1))
print('这是非贪婪模式的结果：', res_2.group(1))
输出：
这是贪婪模式： 1
这是非贪婪模式： 521
注意：正则表达式，内容两端有''
2、re模块中的findall函数
re模块是python的标准库，不需要额外进行安装。
findall函数的作用是把符合条件的数据全部匹配，返回列表，注意嗷，返回的是一个列表嗷，既然是列表，那么批量获取，最简单暴力的方法就是进行遍历。
findall函数的结构：re.findall(pattern,string,flags=0)
pattern表示正则表达式，string表示需要进行匹配的字符串，flags表示正则表达式的修饰符。
常见的修饰词：
| 修饰符 | 作用 |
|---|---|
| re.I | 使匹配对大小写不敏感 |
| re.S | 使 . 匹配包括换行在内的所有字符 |
3、实战对抗
开始之前，需要导入一个第三方库requests
打开cmd，输入 pip install requests
实战对抗
首先，打开需要进行爬取的目标网页：4k汽车壁纸
接着，导入需要用到的库
import requests
import re
然后进行爬虫第一步，发送请求
url = 'https://pic.netbian.com/4kqiche/'
response = requests.get(url=url)
print(response)
响应为200，说明允许访问。
接着进行爬虫第二步：获取响应
得到的这个是啥呀，好多啊。
其实就是这个页面的源代码。
这样我们就可以顺利地进行爬虫第三步：定位并提取数据
我们今天用正则表达式来解决它。
我发现这些链接就是汽车图片对应的链接。那么就是要提取这些链接。
那我就从节点开始动手，先把这些链接所在的节点提取出来。
右击检查，即可发现一个链接，顺着节点写就好啦。
构造正则表达式
'<div.*?<div.*?<div.*?<u1.*?<li.*?<a.*?<img.*?src="(/up.*?jpg)"'
进行验证
import requests
import re
url = 'https://pic.netbian.com/4kqiche/'
response = requests.get(url=url)
text= response.text
images = re.findall('<div.*?<div.*?<div.*?<ul.*?<li.*?<a.*?<img.*?src="(/up.*?jpg)"', text, re.S)
# 进行遍历
for image in images:
print(image)
只有一个结果，为啥呀，因为我门定位的太准确，精确定位到这一个，如果需要获取很多，就要对正则表达式进行修改。
'<li.*?<a.*?<img.*?src="(/up.*?jpg)"'
把li节点之前的去掉就好了，再来看一下结果
全部拿到了。
爬虫第四步：保存结果 ，可以看我的第一个爬虫项目呀，也是这个页面，更有详细教你怎么爬取高清图和多页爬取，当然，使用的也是正则表达式哟。
文章链接：《正则表达式–简单爬虫实例–美女图片篇》
三、Blogger’s speech
如有不足，还请大佬评论区留言或私信我，我会进行补充。
感谢您的支持，希望可以点赞，关注，收藏，一键三连哟。
作者：远方的星
CSDN：https://blog.csdn.net/qq_44921056
腾讯云：https://cloud.tencent.com/developer/column/91164
本文仅用于交流学习，未经作者允许，禁止转载，更勿做其他用途，违者必究。