正則表達式
正則表達式其實沒有大家說的那么神秘和困難，它是一種強大的字符串處理工具，有自己的一套書寫規則。首先，看一個簡答的例子來大致了解一下。
1.1 舉例
比如給出一個字符串
Hello my name i1s HiangX
使用下面這個正則式子
^Hello\s\w\w\s\w{4}\s\w\d
就可以匹配到 ‘Hello my name i1' 這段字符串了
在學習之前觀察這個亂糟糟的表達式或許會覺得很復雜，其實不然，它有着自己的規則：/s 用於匹配空白字符，/w 在這里用於匹配字母，/w{4} 在這里用於匹配四個字母
它的使用規則還有很多，具體見下方這個表格
python有很多強大的庫，其中re庫中有很多函數可以幫助我們運用正則表達式進行匹配，下面就介紹我認為常用的幾個
1.2match
這個函數是從字符串的首部開始檢索與正則表達式匹配的字符串，具體的用法，還是用上面的例子來介紹一下
import re
content='Hello my name i1s HiangX'
result=re.match('^Hello\s\w\w\s\w{4}\s\w\d',content)
print(result)
輸出的結果和1.1相同，只是用程序進行表達。其中，match函數第一個參數是正則表達式，第二個參數是要匹配的內容
1.2.1對提取的目標再匹配
看完上面的例子，大家有沒有疑問，如何選擇提取字符串中的特定部分呢？這個問題早就已經解決啦，也就是用group這個函數！
還是上面的例子，如果正則表達式變成
^Hello\s(\w)\w\s\w{4}\s\w\d
在輸出的時候使用print(result.group(1))就可以輸出加括號部分提取的內容。值得注意的是，通常在比如說數組等數據結構中，下標總是錯開一位，但是在這里比較特殊，正常的對齊，一定要注意！
1.2.2貪婪匹配與非貪婪匹配
還是剛才的例子
假如正則表達式變成
^Hello\s.*\d
那么匹配到的內容和上訪相同，相信大家可以看出來了 .* 這兩個的搭配，其實就是省略中間的字符，直到后面的字符。
現在在看另外一種方式：
^Hello.*\w
這個式子的結果就不再是大家想象中的Hello m 而是整個句子！那是為什么呢？
其實，這種匹配方式叫做貪婪匹配，也就是盡可能多的匹配字符，所以上方那種情況會盡可能多的進行匹配，直到遇到最后一個字母X才結束
那這個問題如何解決呢？出現了非貪婪匹配，和之前的相反，就是盡可能少的匹配字符，用的符號是 .*?
如果將上方的改成
^Hello.*？\w
那么結果就會變成Hello m
再總結一下！貪婪匹配和非貪婪匹配區別就是：
符號：貪婪匹配用 .* 而非貪婪匹配用.*?
功能：貪婪匹配主要是盡可能多的進行匹配 而非貪婪匹配主要是盡可能少的進行匹配
所以，通常情況下使用非貪婪匹配比較多
1.2.3轉義匹配
在使用的過程中，不可避免的遇到一些字符串中含有特殊的字符。
在遇到這種情況時，只用在特殊字符前加上\即可
注意：在分析html時，也經常會遇到換行符，這里的match不太能識別，所以要另外加上修飾符，常用的如下：
re.S 忽略換行符
re.I 大小寫不敏感
re.L
re.M 多行進行匹配
re.U 使用Unicode字符集解析字符
re.X
1.3 search()
上一節中的match函數是從頭進行匹配，如果頭部不匹配，就直接失敗，在使用過程中顯然還不是很方便。然而這一節要介紹的search就不一樣了，一起來看看吧！這個方法是進行全文的搜索和匹配，並且返回第一個匹配成功的字符串，使用方法和match()相同
1.4findall()
前面介紹過search是返回匹配成功的第一個字符串，那么這個方法是返回匹配到的所有字符串，但是返回的內容其實還是一個數組類型的數據，可以通過下標來選取匹配到的第幾個字符串
1.5 sub()
這個方法，在有些時候可以發揮很大的作用。比如說在整理html代碼的時候，有很多的標簽，如果我想從這些標簽中選取一部分數據出來，如果用提取的方法會很繁瑣，特別長。
這時候，也可以選擇把多余的部分刪除掉，使整個html顯得更加簡潔，這里就是用到sub()函數進行解決
result=re.sub('<a.*?>|</a>',html,re.S)用這個方法就可以把所有的a標簽全部去除，使結果更加簡潔一些
1.6 compile()
這個函數主要運用了面向對象的思想，可以將一個正則表達式，compile成一個正則的對象，在后來程序的維護和改變的時候會更加的方便和靈活。
以上就是對於正則表達式的簡單介紹，博主也在學習，想通過博客記錄成長，有問題歡迎提出，一起討論！下一篇介紹xpath的使用