Python爬虫正则表达式常用符号和方法
注释：使用re之前，要导入re库文件。
（1）. ：匹配任意字符，换行符 \n 除外；每个 . 表示一个占位符。
例子：
a = 'xy123'
b = re.findall('x..',a)
print b
输出结果：
（2）*：匹配前一个字符的0次或无限次。
例子：
a = 'xxyxy123'
b = re.findall('x*',a)
print b
输出结果为：
（3）? ：匹配前一个字符0次或1次。
例子：
a = 'xxyxy123'
b = re.findall('xy?',a)
print b
输出结果：
（4）.* ：贪心算法，尽可能的匹配多的字符。
例子：
secret_code = 'hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse'
b = re.findall('xx.*xx',secret_code)
print b
输出结果如下：
（5）.*? ：非贪心算法。
例子：
secret_code = 'hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse'
c = re.findall('xx.*?xx',secret_code)
print c
输出结果如下：
（6）() ：括号内的数据作为结果返回。
例子：
secret_code = 'hadkfalifexxIxxfasdjifja134xxlovexx23345sdfxxyouxx8dfse'
d = re.findall('xx(.*?)xx',secret_code)
print d
输出结果：
（7） re.S的使用举例。在Python的正则表达式中，有一个参数为re.S。它表示“.”（不包含外侧双引号，下同）的作用扩展到整个字符串，包括“\n”。看如下代码：
import re
a = '''asdfsafhellopass:
234455
worldafdsf
'''
b = re.findall('hello(.*?)world',a)
c = re.findall('hello(.*?)world',a,re.S)
print 'b is ' , b
print 'c is ' , c
输出结果如下：
正则表达式中，“.”的作用是匹配除“\n”以外的任何字符，也就是说，它是在一行中进行匹配。这里的“行”是以“\n”进行区分的。a字符串有每行的末尾有一个“\n”，不过它不可见。
如果不使用re.S参数，则只在每一行内进行匹配，如果一行没有，就换下一行重新开始，不会跨行。而使用re.S参数以后，正则表达式会将这个字符串作为一个整体，将“\n”当做一个普通的字符加入到这个字符串中，在整体中进行匹配。
（8）
re.findall(pattern, string[, flags])：搜索string，以列表形式返回全部能匹配的子串。
例子1：
pattern = re.compile(r'\d+')
print re.findall(pattern,'one1two2three3four4')
输出结果为：
例子2：
s2 = 'asdfxxIxx123xxlovexxdfd'
f2 = re.findall('xx(.*?)xx123xx(.*?)xx',s2)
print f2
print f2[0]
输出结果为：
（9） search的使用举例
例子：
s2 = 'asdfxxIxx123xxlovexxdfd'
f = re.search('xx(.*?)xx123xx(.*?)xx',s2)
print f.group()
print f.group(0)
print f.group(1)
print f.group(2)
print f.group(1,2)
print f.groups()
输出结果为：
group([group1, …]):
获得一个或多个分组截获的字符串；指定多个参数时将以元组形式返回。group1可以使用编号也可以使用别名；编号0代表整个匹配的子串；不填写参数时，返回group(0)；没有截获字符串的组返回None；截获了多次的组返回最后一次截获的子串。
groups([default]):
以元组形式返回全部分组截获的字符串。相当于调用group(1,2,…last)。default表示没有截获字符串的组以这个值替代，默认为None。
（10） \d 的使用举例，\d用于匹配数字；\d+ 可以匹配数字字符串。
例子：
a = 'asdfasf1234567fasd555fas'
b = re.findall('(\d+)',a)
print b
输出结果：
（11）sub()方法
