1，爬取解析一個簡單的網頁數據都有什么步驟呢？
1.1，首先應該用requests構建一個請求，將請求成功返回的數據，傳遞給一個response對象，我們這里先假設這個response對象名字為 r 吧；
1.2，然后嘛調用BeautifulSoup庫，比如BeautifulSoup(r.text,'html.parser')使用html解析器把html頁面的源代碼解析成易於理解標簽形式；
1.3，正則表達式可以快速分析大量文本找到特定的字符串模式，然后進行提取編輯替換等操作；所以接下來就是對正則表達式的學習了；
2，正則表達式 regular expression；屬於python標准庫；
2.0，正則表達式定義：正則表達式對應具有特定性質的一組字符串；
正則表達式形式由普通字符和操作符組成，便於理解就稱為正則表達式；經過編譯后機器才會認可正則表達式代表一組字符串；
2.1，正則表達式的常用操作符：
2.1.1， . 表示除換行符外的任意單個字符；
2.1.2， [ ] 表示單字符范圍； eg:[abc]表示a或b或c；[a-z]表示a到z中的某一個字符；
2.1.3， [^ ] 表示單字符排除范圍； eg：[^abc]表示abc之外的任意字符；
在[ ]里，一些特殊字符[ ]里開頭會有特殊意義，還有轉義字符會有特殊意義；剩下的特殊字符只是匹配范圍；（不確定，我這么理解）
2.1.4，* 前一個字符任意次擴展，相當於{0，}； eg：abc*表示ab,abc,abcc等；
2.1.5，+ 前一個字符至少一次擴展，相當於{1，}； eg: abc+表示abc,abcc,abccc等；
2.1.6，？前一個字符擴展0次或1次，相當於{0,1}； eg: abc?表示ab或abc；
2.1.7，{m} 前一個字符的m次擴展； eg：abc{2}表示abcc；
2.1.8，{m,n}前一個字符的[m,n]次擴展； eg：ab[1,2]c 表示abc和abbc；
2.1.9，| 表示左右表達式中的任意一個，用在()內，相當於或； eg: (abc | abd) 表示abc或abd；
2.1.10，^ 字符串開頭匹配； eg: ^a匹配abc中的a，不匹配abc中的b和c；^b不匹配abc中的b；
2.1.11，$字符串結尾匹配； eg: c$ 匹配abc中的c，b$不匹配abc中的b；
2.1.12，（）分組標記，內部只能使用|操作符； eg:(abc|abd)表示abc或abd；
2.1.13，\d 表示數字0到9中的一個，相當於[0-9]；
2.1.14，\w 表示單字符a-z，A-Z,0-9;相當於[a-zA-Z0-9]；
2.1.15，\D表示數字0到9之外的單字符，相當於[^0-9]; (這里的運算符是[^ ]作為整體)
2.1.16，\w表示除了a-z和A-Z和0-9之外的字符，相當於[^a-zA-Z0-9]；
2.1.17,尚待自行積累；還有好多的；:)
2.2，正則表達式的經典實例；
2.2.1， ^[a-zA-Z0-9]+$ : 表示僅由英文字符和數字組成的字符串； [1-9]?\d : 表示0-99；
2.2.2， [1-9]\d{5} : 表示我國境內的6位郵政編碼；
2.2.3， ^-?\d+$ : 表示整數形式的字符串；-?這里代表的是負號是否需要；
2.2.4，[\u4e00-\u9fa5] ：表示使用utf-8編碼來匹配中文字符；
2.3，正則表達式的表示類型；
2.3.1，raw string類型（原生字符串類型）；
類型格式： r ' 普通字符加操作符 ' ； eg: r' [1-9]\d{5} ' ;
類型備注：raw string類型中轉義字符就是轉義字符本身的語法和意義;
2.3.2，string類型；
類型格式：' 此處正則表達式若是有轉義字符，反斜杠重復一遍' ；eg: ' [1-9]\\d{5}' ;
類型備注：建議使用raw string；
3，正則表達式庫的部分函數方法；
3.0，正則表達式的操作參數；
3.0.1，pattern：正則表達式表示的字符串或原生字符串；簡單理解為正則表達式；
3.0.2，string：等着被匹配出有效信息的字符串，簡稱帶匹配字符串；
3.0.3，maxsplit : 待匹配字符串最大分割次數；
3.0.4，repl : 替換匹配字符串的字符串；
3.0.5，count：替換匹配字符串的最大替換次數；
3.0.6，flags：正則表達式使用時的控制標記；
（1）re.I ：匹配時忽略英文字符大小寫的控制標記；全稱re.INGORECASE;
（2）re.M :將^操作符的開頭匹配改為對字符串的每行開頭匹配的控制標記；全稱re.MULTILINE;
（3）re.S :點操作符默認不匹配換行符，設置點操作符也可以匹配換行符的控制標記；全稱re.DOTALL；
3.1，re.search(pattern,string,flags=0)
函數功能：在字符串中找到匹配正則表達式的字符串，返回match對象；
函數例子：re.search( r'[1-9]\d{10}' , '胡犀牛13019841984' )
例子意義：表示將待匹配字符串中的電話號碼提取出來；（然后放到哪里呢？？）
3.2，re.match(pattern,string,flags=0)
函數功能：從字符串開頭進行re匹配，要是開頭不匹配re，則返回的match對象就是為空；
函數例子：re.match( r'[1-9]\d{10}' , '胡犀牛13019841984')
例子意義：待匹配字符串的開頭不是電話號碼，所以不匹配，返回match對象為空，如果調用當前這個空的match對象的方法就會報錯；因為空對象不存在屬性，也就不存在方法；
3.3，re.findall(pattern,string,flags=0)
函數功能：將待匹配字符串中所有能匹配的子串以列表形式返回；
函數例子：re.findall( r'\d{11}' , '胡犀牛13019841984 鍾神醫 13018741874')
例子意義：string中的兩個電話號碼都可以匹配，放入返回的列表類型中；
3.4，re.split((pattern,string,maxsplit=0,flags=0)
函數功能：將正則表達式作為分割點，按分割次數將字符串分割，其中可以匹配的子字符串每次分割的時候排除掉；返回列表類型；
函數例子：re.split( r' \d{11}' , '胡犀牛13019841984 鍾神醫 13018741874',maxsplit=1)
例子意義：分割后返回的列表類型為 [ '胡犀牛','薛神醫13018741874']；分割一次，所以排除了一個電話號碼，排除點作為分割點；
3.5，re.finditer(pattern,string,flags=0)
函數功能：將string中所有匹配子字符串作為一個迭代類型返回，其中每個迭代元素都是match對象，具有match對象的屬性；
函數例子：for num in re.finditer( r'\d{11}','胡犀牛13019841984 薛神醫13018741874'):
例子意義：匹配后的兩個號碼作為迭代類型，供num對象循壞調用；
3.6，re.sub((pattern,repl, string,count=0,flags=0)
函數功能：將匹配的子字符串替換掉，替換次數不超過count次，返回替換后的字符串；
函數例子：re.sub(r'\d{11}','phone_num','胡犀牛13019841984 薛神醫13018741874')
例子意義：替換后的字符串為 '胡犀牛phone_num 薛神醫phone_num' ；sub全稱substitute;
4，Re庫的調用形式；
4.1，庫函數調用：輸入各種參數后，對庫函數進行調用，將結果返回存入一個對象中；這種函數調用每次都要重新編譯正則表達式，多了就慢了；
eg: rst=re.search(r'\d{11}','胡犀牛13019841984 薛神醫1318741874')
4.2，將正則表達式通過編譯函數后的結果存入對象中，這時這個對象等價於一組特定的字符串；然后去調用正則表達式的函數；減少編譯次數和部分參數的傳遞，加快程序運行速度；
eg: regex=re.compile( r'普通字符和操作符')
#編譯后的對象是re庫的對象，re庫的對象可以直接調用re庫對象的方法；
#方法是一種類型的函數，專門供對象調用；函數就是我們平時說的可以實現某種功能的代碼塊；（我也不太理解其分類原理，先這么理解）；
regex.search( '待匹配的字符串' ) 返回match對象；
regex.match('待匹配的字符串') 返回match對象；
regex.findall('待匹配字符串') 返回列表類型；
regex.split('待匹配字符串') 返回列表類型；
regex.finditer('待匹配字符串') 返回迭代類型，迭代元素為match對象；
regex.sub('待匹配字符串') 返回字符串；
5，Re庫的match對象；
意義：match對象是search方法，match方法和finditer方法的返回值（就是匹配的信息集合）；
(1)如果是search方法，可能string中會有多個子字符串匹配pattern正則表達式形式，但是返回的match對象中只保存第一次匹配的子字符串；
(2)如果是match方法，match對象要么為空不存在，要么只保存第一個匹配的子字符串；
(3)如果是finditer方法，match對象里面包含所有匹配的子字符串；要注意迭代；
5.1，match對象的屬性；
5.1.1, .re ：返回對象的正則表達式；返回值中有re.complie()函數，因為python開發環境認為正則表達式不算正則表達式，要經過編譯之后才算；
5.1.2, .string :返回對象的待匹配字符串；
5.1.3, .pos :返回匹配過程從文本中搜索的開始位置；（我返回的兩次都是0）
5.1.4, .endpos :返回匹配過程在搜索文本中的結束位置；(我返回的兩次都是string的長度)
5.2, match對象的方法；
5.2.1, .group(n) :返回被匹配的第n個子字符串；（n從0開始計數）
5.2.2, .start() :返回子字符串在string中的開始位置；
5.2.3, .end() :返回子字符串在string中的結束位置；
5.2.4, .span() :返回子字符串在string中的開始位置和結束位置；
5.3,5.2和4.2的方法有什么區別呢？
4.2的方法是re庫對象的方法，調用了之后可能會返回match對象；而5.2的方法是match對象的方法；
5.4，Re庫的貪婪匹配和最小匹配；
5.4.1，貪婪匹配：正則表達式的開頭匹配后，中間和結尾同時有多種子字符串匹配的方式時，默認選擇最長的子字符串匹配；
匹配例子：r=re.search(r'py*','pypyy') 匹配出來的結果是py，r=re.search(r'py*','pyy')有py和pyy兩種方式匹配，匹配出來的結果是兩種里面字符串最長的那種pyy;
5.4.2，最小匹配：正則表達式的開頭匹配后，中間和結尾同時有多種方式匹配時，選擇最短的字符串匹配；
最小匹配操作符：(1) *？ ：表示前一個字符任意次擴展的最小匹配；
eg:re.search(r'py*?','pyy')表示y字符任意次擴展的最小匹配；那就0次擴展只剩p了；
(2) +? :表示前一個字符至少一次匹配的最小匹配，那就匹配一次；
(3) ?? :表示前一個字符0次或1次擴展的最小匹配，那就匹配0次；
(4) {m,n}? :表示前一個字符m到n次擴展的最小匹配，那就配合字符串判斷匹配幾次，選個最短的；