Python爬虫教程之利用正则表达式匹配网页内容

　　正则表达式是一种描述字符串排列的一种语法规则，通过该规则可以在一个大字符串中匹配出满足规则的子字符串。简单来说，就是给定了一个字符串，在字符串中找到想要的字符串，如一个电话号码，一个IP地址，一个字段，在爬虫过程中，如果灵活使用正则表达式，将极大地提升爬虫效率。

　　Python使用正则表达式

　　re.match

　　1

　　2

　　3

　　4import restr1='123asdfa'mathch1 = re.match("^[0-9]",str1)print(mathch1.group())

　　结果

　　1

　　如果要匹配12，则

　　1

　　2

　　3

　　4import restr1='12s3asdfa'mathch1 = re.findall("1[0-9]",str1)print(mathch1)

　　结果

　　['12']

　　修改[0-9]为[10-19]是无法匹配到的。

　　因此，该语句将从头到尾匹配字符，匹配到则结束，需要.group才能获取到匹配到的值。