一、正則常用的方法
1.match：從開始位置開始查找，一次比對
2.search：從任何位置查找，一次比對
3.findall：全部比對，傳回清單
4.finditer：全部比對，傳回疊代器
5.split：分割字元串，傳回清單
6.sub：替換
7.比對中文
中文unicode編碼[u4e00-u9fa5]
8.貪婪算法和非貪婪算法
貪婪模式：在整個表達式比對成功的前提下，盡可能的多的比對
非貪婪模式：在整個表達式比對成功的前提下，盡可能的少的比對
python中預設時貪婪模式
import re
s = r"([a-z]+)( [a-z]+)"
pattern = re.compile(s,re.I)
m = pattern.match("Hello world wide web")
#group(0)表示傳回比對成功的整個字串
s = m.group(0)
print(s)
#傳回比對成功的整個子串的跨度
a = m.span(0)
print(a)
#group(1)表示傳回的第一個分組比對成功的字串
s = m.group(1)
print(s)
#span(1)傳回比對成功的第一個子串的跨度
a = m.span(1)
print(a)
#groups()傳回的是比對的所有分組子串都輸出出來，不包含整個比對的子串
b = m.groups()
print(b)
print("===============")
string = r"\d+"
pattern = re.compile(string)
m = pattern.search("one12two34three56")#傳回第一個查找到的結果
print(m.group(0))#這裡的0不寫也沒有關系，不寫就是預設為0
m = pattern.search("one12two34three56",10,40)#從字元串的第十個位置進行查找，第四十結束，這裡不夠四十，那就直接到字元串結束位置即可
print(m)
m = pattern.findall("one12two34three56")#以清單的形式傳回所有的結果
print(m)
m = pattern.finditer("one12two34three56")
print(m)
for i in m:
print(i)
print(i.group())
print("=======")
string2 = u"你好，世界"
pattern = re.compile(r"[\u4e00-\u9fa5]+")
print(pattern.search("你好，世界杯").group())
二、BeatuifulSoup4 --CSS選擇器
1.現在使用BeautifulSoup4
2.參考連結：https://beautifulsoup.readthedocs.io/zh_CN/latest/
3.幾個常用的提取工具的比較：
（1）正則：很快，不好用，不允許安裝
（2）beautifulsoup:慢，但是使用簡單，安裝簡單
（3）lxml：比較快，使用簡單，但是安裝一般
from urllib import request
from bs4 import BeautifulSoup
url = "http://www.baidu.com"
rsp = request.urlopen(url)
content = rsp.read()
soup = BeautifulSoup(content,"html")
#bs自動轉碼
content = soup.prettify()
print(content)
三、源碼
Reptitle12_1_TRegularExpression.py
Reptile12_2_BeautifulSoup.py
https://github.com/ruigege66/PythonReptile/blob/master/Reptitle12_1_TRegularExpression.py
https://github.com/ruigege66/PythonReptile/blob/master/Reptile12_2_BeautifulSoup.py
2.CSDN：https://blog.csdn.net/weixin_44630050
3.部落格園：https://www.cnblogs.com/ruigege0000/
4.歡迎關注微信公衆号：傅裡葉變換，個人公衆号，僅用于學習交流，背景回複”禮包“，擷取大資料學習資料
