re模块中最常用到三个函数的是match，search，findall。
不过他们都能匹配字符串，不过又稍有不同。

基本格式

re.findall/match/search("匹配规则/pattern", "要匹配的字符串")

pattern

我一般用到的情况都是准长这样子 开头内容（.星号？）结尾内容
点代表的是任意字符。星号代表的是取 0 至 无限长度，问号代表的是非贪婪模式。

比如要匹配下面字符串中的url
tx ='"pic_middle":"http://wx4.sinaimg.cn/wap360/50a6dcc7ly1fud4g29v0tj22c0340kjl.jpg","pic_big":'
'"pic_middle":"http://wx2.sinaimg.cn/wap360/50a6dcc7ly1fud4g3lbhkj22c02lub29.jpg","pic_big":'
求url地址的pattern就是"pic_middle":(.*?),"pic_big":

非贪婪模式

这是说遇到第一个结尾匹配,"pic_big":就结束了，所以结果就是http://wx2.sinaimg.cn/wap360/50a6dcc7ly1fud4g3lbhkj22c02lub29.jpg
假如不加？的话，就会变成我看看后面还有没有,"pic_big":额，还有呢，那就把所有的内容都返回吧，就会变成这样。
"http://wx4.sinaimg.cn/wap360/50a6dcc7ly1fud4g29v0tj22c0340kjl.jpg","pic_big":' \ '"pic_middle":"http://wx2.sinaimg.cn/wap360/50a6dcc7ly1fud4g3lbhkj22c02lub29.jpg"

返回结果

findall返回的是list
match只能找字符串开头与pattern相匹配的，不一样就返回None。
search是一旦找到匹配的就返回，不会去找后来匹配的，都找不到返回None
他们两个返回都是object，要得到具体的匹配内容，要用group。
group是pattern中的（）的个数，group(0)是所有查找的内容，group(1)是第一个括号中查找的内容，group(2)是第一个括号中查找的内容...像这样

image.png

比如要匹配字符串是
match:

search,看起来跟match是一样的额，

但是一旦字符串的开头不是匹配字符，match就不能用了

findall

findall

正则表达式在爬虫里用的不多，一般来说，html格式都能用beautiful soup，pyquery之类来解析，json能用json模块来解析，re模块我用的最多的是把返回的json数据中含有其他信息，不好用pandas.read_json读取数据变成dataframe，比如这样的数据：

image.png

就需要re把data后面的数据提取出来。这时用search即可。
有时json结构及其繁琐，想将所有url提取出来，findall也能胜任。