转:
正则表达式在爬虫中的应用，可以更好的取自己想要的数据，有些时候也可以应对那些反爬取的网站。
后边多一个？表示懒惰模式。 必须跟在*或者+后边用 如：<img src="test.jpg" width="60px" height="80px"/> 如果用正则匹配src中内容非懒惰模式匹配 src=".*" 匹配结果是：src="test.jpg" width="60px" height="80px" 意思是从="往后匹配，直到最后一个"匹配结束 懒惰模式正则： src=".*?" 结果：src="test.jpg" 因为匹配到第一个"就结束了一次匹配。不会继续向后匹配。因为他懒惰嘛。 .表示除\n之外的任意字符 *表示匹配0-无穷+表示匹配1-无穷