Python爬蟲基礎——正則表達式

說到爬蟲，不可避免的會牽涉到正則表達式。
由於你須要清晰地知道你須要爬取什麼信息？它們有什麼共同點？能夠怎麼去表示它們？
而這些，都須要咱們熟悉正則表達，才能更好地去提取。


先簡單複習一下各表達式所表明的意思：

案例：

• 定義密碼的正則表達式：
  英文字母開頭，能夠包括數字、大小寫英文字母、下劃線，6-16位。
  表達式爲：
  password_pattern='^[a-zA-Z]{1}[a-zA-Z0-9_]{5-15}$'
  或password pattern='^[a-zA-Z][a-zA-Z0-9_]{5-15}$'

• 匹配div標籤，class="class1"中的文本內容：
  <div class="class1">要匹配的內容</div>
  表達式爲：
  div_pattern1='<div class="class1">(.*)</div>'

• 匹配div標籤中div標籤，class="class1"中的文本內容：
  <div><div class="class1">要匹配的內容</div></div>
  表達式爲：
  div_pattern1='<div class="class1">(.*?)</div>'

注意：?的做用是關閉貪婪模式，若是去掉?，則會匹配出要匹配的內容</div>字符串。