正則表示式，說白了就是用來匹配字元的，正則表示式是用來簡潔表達一組字串的表示式.
正則表通常被用來檢索、替換那些符合某個模式(規則)的文字。
很多程式語言都支援正則表示式進行字串操作。在程式碼中常簡寫為regex、regexp或RE。
比如Pythonz中就有一個叫：re　的正則表示式庫，這是Python的標準庫，安裝Python後自帶，使用時只需要

import re

我們可以通過requests獲取網頁的頁面資訊，但是其中的資訊太過於雜亂，我們需要從中提取我們需要的資訊，那麼我們可以用Python的正則表示式庫來提取我們需要的資訊，比如說，我們想要從中提取”百度一下，你就知道”的中文字元，我們這樣操作

這樣我們就可以把html頁面中的”百度一下，你就知道”的標籤從複雜凌亂的資訊中提取出來了，再經過一些處理就可以拿出來了

語法

那我們開始學習正則表示式的語法了　　以下是正則表示式的常用操作符：

. 　　　　表示任何單個字元
[ ] 　　　字符集,對單個字元給出取值範圍 　　　　　[abc]表示a、b、c,[a‐z]表示a到z單個字元
[^ ] 　　非字符集,對單個字元給出排除範圍 　　　　[^abc]表示非a或b或c的單個字元
* 　　　　前一個字元0次或無限次擴充套件 　　　　　　　abc* 表示 ab、abc、abcc、abccc等
+ 　　　　前一個字元1次或無限次擴充套件 　　　　　　　abc+ 表示 abc、abcc、abccc等
? 　　　　前一個字元0
 
次或1次擴充套件 　　　　　　　　abc? 表示 ab、abc
| 　　　　左右表示式任意一個 　　　　　　　　　　　abc|def 表示 abc、def
{m} 　　　擴充套件前一個字元m次 　　　　　　　　　　　ab{2}c表示abbc
{m,n} 　　擴充套件前一個字元m至n次(含n) 　　　　　　ab{1,2}c表示abc、abbc
^ 　　　　匹配字串開頭 　　　　　　　　　　　　^abc表示abc且在一個字串的開頭
$　　　　 匹配字串結尾 　　　　　　　　　　　　　abc$表示abc且在一個字串的結尾
( ) 　　　分組標記,內部只能使用 | 操作符 　　　　(abc)表示abc,(abc|def
 
)表示abc、def
\d 　　　數字,等價於[0‐9] 
\w 　　　單詞字元,等價於[A‐Za‐z0‐9_]

這些都是非常常見的正則表示式操作符，記住了，大部分都能用了。

我們接下來看一下經典的正則表示式匹配例項

^[A‐Za‐z]+$ 　　　　　　　　　由26個字母組成的字串
^[A‐Za‐z0‐9]+$ 　　　　　　　由26個字母和數字組成的字串
^‐?\d+$ 　　　　　　　　　　　整數形式的字串
^[0‐9]*[1‐9][0‐9]*$ 　　　　正整數形式的字串
[1‐9]\d{5} 　　　　　　　　　中國境內郵政編碼,6位
[\u4e00‐\u9fa5] 　　　　　　匹配中文字元
\d{3}‐\d{8}|\d{4}‐\d{7}　 　國內電話號碼,010‐68913536

正則表示式庫

上面我們說過，re是Python的內建庫，不需要安裝，直接匯入即可

raw string型別(原生字串型別)，也就是不包含對轉義符再次轉義的字串
re庫採用raw string型別表示正則表示式,表示為:　　　　　r’text’

re庫的主要函式共有6個，分別是

re.search() 　　　　在一個字串中搜索匹配正則表示式的第一個位置,返回match物件
re.match() 　　　　　從一個字串的開始位置起匹配正則表示式,返回match物件
re.findall() 　　　　搜尋字串,以列表型別返回全部能匹配的子串
re.split() 　　　　　將一個字串按照正則表示式匹配結果進行分割,返回列表型別
re.finditer() 　　　搜尋字串,返回一個匹配結果的迭代型別,每個迭代元素是match物件
re.sub() 　　　　　　在一個字串中替換所有匹配正則表示式的子串,返回替換後的字串

re.findall( )這個比較簡單常用，用法如下：
這個函式共有三個引數，pattern, string , flags

re.findall(pattern, string, flags=0)
搜尋字串,以列表型別返回全部能匹配的子串

∙ pattern : 正則表示式的字串或原生字串表示
∙ string  : 待匹配字串
∙ flags 正則表示式使用時的控制標記

比如我們要從一堆字元中，把數字提取出來：

其他函式的使用例項

定向爬蟲

爬取豆瓣電影，上海熱映的電影：

我們需要定義一個函式，用於獲取豆瓣熱映的電影資訊：

import requests   //匯入需要用到的庫
import re

def getHTMLText(url):
    try:
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        print("Erro_get")

我們還需要定義一個函式，用於提取所需要的電影資訊：

def parsePage(ilt,html):

    tlt = re.findall(r'data-title\=\".*?\"',html)
    for i in range(len(tlt)):
        plt = eval(tlt[i].split('=')[1])
        if plt in ilt:
            pass
        else:
            ilt.append(plt)

然後第三個函式用於輸出電影列表：

def printInfo(ilt):
    print("上　海　熱　映")
    for i in ilt:
        print(i)

再定義一個主函式去呼叫這些功能函式：

def main():
    url = 'https://movie.douban.com/cinema/nowplaying/shanghai/'
    kv = {'User-Agent' : 'Mozilla/5.0'}
    list = []
    html = getHTMLText(url)
    parsePage(list,html)
    printInfo(list)

main()

執行即可看到以下畫面：

總結

re庫的功能非常強大，這些只是一些非常淺顯的內容。
大家可以多實戰，掌握正則表示式的用法。