正则表达式：
世界上信息非常多，而我们关注的信息有限。假如我们希望只提取出关 注的数据，此时可以通过一些表达式进行提取，正则表达式就是其中一 种进行数据筛选的表达式。
模块准备，需要用到re模块，为Python自带：
>>> import re一、原子：
原子是正则表达式中最基本的组成单位，每个正则表达式中至少要包含 一个原子。常见的原子类型有：
a.普通字符 b.非打印字符 c.通用字符 d.原子表
实例：
（1）普通字符作为原子：
>>> #匹配到的情况
>>> import re
>>> pat="baidu"
>>> string="http://www.baidu.com"
>>> rst1=re.search(pat,string)
>>> print(rst1)
<_sre.SRE_Match object; span=(11, 16), match='baidu'>
>>> #匹配不到的情况
>>> string2="abcdefg"
>>> rst2=re.search(pat,string2)
>>> print(rst2)
None（2）非打印字符作为原子：以‘\n’换行符为例
>>> pat2="\n"
>>> #注意当字符串中有换行要用三引号括起来
>>> string3='''asfasfsafasfsaf
asfassssfwef'''
>>> rst3=re.search(pat2,string3)
>>> print(rst3)
<_sre.SRE_Match object; span=(15, 16), match='\n'>（3）通用字符作为原子：
\w 匹配字母、数字、下划线；\d 匹配任意一个十进制数，\s 匹配空白字符；\W匹配除字母、数字、下划线之外的任意字符，\D匹配除十进制数之外的字符；\S匹配除空白字符之外的字符。
>>> #匹配不到的情况
>>> pat3="\w\dpython\w"
>>> string="easfasgasasdasf"
>>> rst3=re.search(pat3,string)
>>> print(rst3)
None
>>> #匹配到的情况
>>> string="dasfasfasfa7pythonkasfds"
>>> rst3=re.search(pat3,string)
>>> print(rst3)
<_sre.SRE_Match object; span=(10, 19), match='a7pythonk'>另外，[***]表示匹配中括号内任意一个字符，如[abc]表示匹配a或b或c，例：
>>> 匹配到的情况
>>> pat="pyth[jsz]n"
>>> string="zjhsklsgajhslagpythsnasgasg"
>>> rst3=re.search(pat,string)
>>> print(rst3)
<_sre.SRE_Match object; span=(15, 21), match='pythsn'>
>>> #匹配不到的情况
>>> string="zjhsklsgajhslagpythjsnasgasg"
>>> rst3=re.search(pat,string)
>>> print(rst3)
None二、元字符：
所谓的元字符，就是正则表达式中具有一些特殊含义的字符，比如重复 N次前面的字符等，常见类型有：
（1）.：匹配除换行符外任意字符
（2）^：匹配待搜索字符串开始位置
（3）$：匹配结束位置 *：匹配零次一次或多次，如S*,可匹配SS,SSS,SSSSS
（4）?：匹配一次或者零次
（5）+：匹配一次或多次（无零次）
（6）{}：匹配出现次数，如t{6} 恰好有连续的6个t能够匹配，t{6,}至少出现了6次，t{4,7}至少4次至多7次
（7） | 模式选择符或，如 t|s 即t或s可以匹配
（8）() ：用于提取某一内容
实例：
（1）用 . 匹配
>>> pat=".python..."
>>> string="asfasfapythonsgasggs"
>>> rst=re.search(pat,string)
>>> print(rst)
<_sre.SRE_Match object; span=(6, 16), match='apythonsga'>
（2）用 | 匹配
pat="python|php"
>>> string="abcdphp5267pythonjsajkas"
>>> rst=re.search(pat,string)
>>> print(rst)
<_sre.SRE_Match object; span=(4, 7), match='php'>注：只匹配了前面出现第一次的结果，search方法的特色，可用.compile().findall()解决，后面会有相关实例。
三、模式修正符：
所谓的模式修正符，即可以在不改变正则表达式的情况下，通过模式修 正符改变正则表达式的含义，从而实现一些匹配结果的调整等功能，常见类型有：
（1）I:不区分大小写
（2）M：进行多行匹配
（3）L：本地化识别匹配
（4）U：根据Unical字符解析字符
（5）S：让.也能匹配换行符
实例：
>>> pat1="python"
>>> pat2="python"
>>> string="asdfasfasasPythonasda"
>>> rst=re.search(pat1,string)
>>> print(rst)
None
>>> rst=re.search(pat2,string,re.I)四、贪婪模式与懒惰模式：
贪婪模式的核心点就是尽可能多的匹配，而懒惰模式的核心点就是尽可 能少的匹配。
实例：
>>> pat1="p.*y" #贪婪模式，尽可能多
>>> string="agassgpythonvsfdpy"
>>> rst=re.search(pat1,string)
>>> print(rst)
<_sre.SRE_Match object; span=(6, 18), match='pythonvsfdpy'>
>>> pat2="p.*?y"#懒惰模式，尽可能少
>>> string="agassgpythonvsfdpy"
>>> rst2=re.search(pat2,string)
>>> print(rst2)
<_sre.SRE_Match object; span=(6, 8), match='py'>
五、正则表达式函数：
常见有re.match()函数、re.search()函数、全局匹配函数、 re.sub()函数
re.search() ：从左往右搜索，位置没有要求。
re.match() ： 从头开始搜索，如匹配"PY"，"saoPY"匹配失败，"PYss"匹配成功。
全局匹配函数：re.complie(pat).findall(string)，可以匹配多次出现的字符。
（1）re.search的缺点，只出现一个结果，例如：
>>> pat1="p.?y"
>>> string="asdasdpasdyasdpsey"
>>> rst=re.search(pat1,string)
>>> print(rst)
<_sre.SRE_Match object; span=(6, 11), match='pasdy'>（2）全局匹配函数实例：
>>> pat1="p.*?y"
>>> string="asdasdpasdyasdpsey"
>>> rst2=re.compile(pat1).findall(string)
>>> print(rst2)
['pasdy', 'psey']六、实例：匹配百度网址：
>>> pat="[a-zA-Z]+://[^\s]*[.com|.cn]"
>>> string='<a href="http://www.baidu.com>hasdad</a>'
>>> rst=re.compile(pat).findall(string)
>>> print(rst)
['http://www.baidu.com']