一、 正则表达式特殊符号含义
A 匹配规则
1、{}实质也是限定词的用法，限定前面字符所出现的次数，跟在()后面就是限定括号中的内容所出现的次数。一般有三种模式：
{数字}、{数字,}、{数字,数字}
2、竖线 | 实质上就是或（or）的关系
3、[] 其意思是方括号中的字符只要满足其中任何一个就可以。
[^字符]表示取除方括号字符以外所有的字符
4、[\u4E00-\u9FA5] 匹配一个汉字，要是想匹配多个汉字那就在方括号后边加一个加号：[\u4E00-\u9FA5]+
注意：要匹配多个汉字时，汉字之间必须连续，不能有其他字符，如字母、空格，标点等。
5、\w 匹配
借鉴文章：
https://blog.csdn.net/weixin_34235371/article/details/88262507
B 方法
1、match() 从头开始匹配 match('规则', html,re.S)
2、search() 扫描整个字符串，可不从头匹配，但只匹配到第一个符合规则的，search('规则'，html,re.S)
3、findall() 扫描整个字符串，可不从头匹配，匹配到所有符合规则的 findall('规则',html,re.S)
4、sub() 替换 / 去除某些元素 sub('规则'，要去替换的元素，html)
5、complie() 将正则表达式编译成正则表达式对象，以便后面匹配中复用 compile(规则)
二、 BeautifulSoup（from bs4 import BeautifulSoup）
BeautifulSoup(html,'解析器')
（1） BeautifulSoup支持的解析器有：
| 解析器 | 使用方法 | 优势 | 劣势 |
|---|---|---|---|
| python标准库 | BeautifulSoup(markup,'html.paeser') | python的内置标准库、执行速度适中、文档容错能力强 | python 3.2.2之前版本文档容错能力差 |
| lxml HTML解析器 | BeautifulSoup(markup,'lxml') | 速度快、文档容错能力强 | 需要安装C语言库 |
| lxml XML解析器 | BeautifulSoup(markup,'xml') | 速度快、唯一支持XML的解析器 | 需要安装C语言库 |
| html5lib | BeautifulSoup(markup,'html5lib') | 最好的容错性、以浏览器的方式解析文档、生成HTM5 格式的文档 | 速度慢、不依赖外部扩展 |
（2） 方法
find_all(name,strrs) 找出所有符合规则的
find(name,atrrs) 找出第一个符合规则的
CSS选择器select() 找出所有符合规则的 # 推荐使用这个，因为chrome开发者工具能够复制规则。
网友评论