正则表达式(基础语法)

Regular Expression,正则表达式，一种使用表达式的方式对字符串进行匹配的语法规则

我们抓取到页面源代码本质上就是一个超长的字符串，想从里面提取内容，用正则再合适不过了。

正则的有点：速度快、效率高、准确性高。

正则的缺点：新手上手难度高

不过只要掌握了正则编写的逻辑关系，写出一个提取页面内容的正则其实并不复杂

正则的语法：使用元字符进行排列组合用来匹配字符串 在线测试正则表达式：https://tool,oschina.net/regex/

元字符：具体固定意义的特殊字符

常用元字符：

.       匹配除 换行符 以外的 任意字符
\w     匹配 字母 或 数字 或 下划线
\s      匹配任意的空白符
\d     匹配数字
\n      匹配一个换行符
\t     匹配一个制表符

^       匹配字符串的开始
$      匹配字符串的结尾

\W      匹配 非字母 或 数字 或 下划线
\D     匹配非数字
\S      匹配非空白字符
a|b    匹配 字符a 或 字符b  # 优先前面的
()      匹配括号内的表达式，也表示一个组
[...]  匹配字符组中的字符    #例如   [a-zA-Z0-9]
[^...]  匹配除了字符组中的所有字符

量词：控制前面的元字符出现的次数

*  重复0次 或 多次
+  至少重复一次 或 多次
?  重复0次  或 多次
{n}  重复 n 次
{n,}  重复n次 或更多次
{n,m}   重复n到m次