Python网络爬虫与信息提取（七）re库的基本方法
re库是Python自带的库，re库采用raw string(原生字符串)类型表示正则表达式，输入时需表示为r'text',若不添加开头的raw_input标识符，则需要对文本中的"\"进行转义，这会徒增很多不必要的麻烦，所以使用正则表达式时尽量用原生字符串类型来表示。
re库含有许多功能函数，在此先介绍其中最常用的六个，其他的函数在今后的实际问题中再具体解析。
| 函数 | 说明 |
| re.search() | 在一个字符串中搜索匹配正则表达式的第一个位置，返回match对象 |
| re.match() | 在一个字符串的开始位置起匹配正则表达式，返回match对象 |
| re.findall() | 搜索字符串，以列表类型返回全部能匹配的子串 |
| re.split() | 将一个字符串按照正则表达式匹配结果进行分割，返回列表类型 |
| re.finditer() | 搜索字符串，返回一个匹配结果的迭代类型，每个迭代元素是match对象 |
| re.sub() | 在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串 |
下面来解释下各个功能函数的参数：
re.search(pattern, string, flag=0)
pattern: 正则表达式的字符串或原生字符串表示
string: 带匹配字符串
flags: 正则表达式使用时的控制标记：
| 常用标记 | 说明 |
| re.I(re.IGNORECASE) | 忽略正则表达式的大小写，[A-Z]能够匹配小写字符 |
| re.M(re.MULITLINE) | 正则表达式中的^操作符能够将给定字符串的每行当作匹配开始 |
| re.S(re.DOTALL) | 正则表达式中的.操作符能够匹配所有字符，默认匹配除换行外的所有字母 |
re.match(pattern, string, flag=0)
search和match的区别如下：
match函数只会从所提供的字符串起始位置进行匹配，若起始位置不是我们要找的字符即返回空的正则表达式，而空变量是没有group(0)这个属性的；search则会从整个字符串中进行匹配，直到匹配到第一个出现的字符为止。
re.findall(pattern, string, flags=0)
其与search的匹配方法相同，不同的是它会将所有匹配到的字符返回为列表形式。
re.split(pattern, string, maxsplit=0, flags=0)
maxsplit: 最大分割数，剩余部分作为最后一个元素输出
可见，split是将不匹配的字符提取为列表形式，当元素数超过最大分割数时即为将其全部作为一个整体进行输出。
re.finditer(pattern, string, flags=0)
该方法返回可迭代的match对象，所以常用于迭代操作中。
re.sub(pattern, repl, string, count=0, flags=0)
repl: 替换字符串的字符串
count: 匹配的最大替换次数
在多次对同一字符串进行操作时用上述方法未免过于繁琐，因此re库还提供了一种等价的面向对象型的用法：
pat = re.compiler(r'[1-9]\d{5}')
rst = pat.search('BIT 100081')re库的函数均返回一个match对象，它具有四个重要的属性：
| 属性 | 说明 |
| .string | 带匹配的文本 |
| .re | 匹配时使用的pattern对象（正则表达式） |
| .pos | 正则表达式搜索文本的开始位置 |
| .endpos | 正则表达式搜索文本的结束位置 |
它还有四个常用的方法：
| 方法 | 说明 |
| .group(0) | 获得匹配后的字符串 |
| .start() | 匹配字符串在原始字符串的开始位置 |
| .end() | 匹配字符串在原始字符串的结束位置 |
| .span() | 返回（.start(), .end()) （元组类型） |
match = re.search(r'PY.*N', 'PYANBNCNDN')
match.group(0)若遇到这种情况时函数会如何匹配字符串呢？re库的函数会默认使用“贪婪匹配”来对字符串进行匹配，即输出匹配最长的子串。当我们想输出其中最短的字符串时，只需在"*"操作符后加一个"?"即可
match = re.search(r'PY.*?N', 'PYANBNCNDN')
match.group(0)不止有"*"操作符能进行最小匹配，还有三种操作符均可以
| 操作符 | 说明 |
| *? | 前一个字符0次或无限次扩展，最小匹配 |
| +? | 前一个字符1次或无限次扩展，最小匹配 |
| ?? | 前一个字符0次或1次扩展，最小匹配 |
| {m, n}? | 扩展前一个字符m至n次（含n），最小匹配 |