正則匹配：　　　

規則
　　單字符：
　　　　. : 除換行以外所有字符
　　　　[] ：[aoe] [a-w] 匹配集合中任意一個字符
　　　　\d ：數字 [0-9]
　　　　\D : 非數字
　　　　\w ：數字、字母、下劃線、中文
　　　　\W : 非\w
　　　　\s ：所有的空白字符
　　　　\S : 非空白
　　數量修飾：
　　　　* : 任意多次 >=0
　　　　+ : 至少1次 >=1
　　　　? : 可有可無 0次或者1次
　　　　{m} ：固定m次
　　　　{m,} ：至少m次
　　　　{m,n} ：m-n次
　　邊界：
　　　　\b \B
　　　　$ : 以某某結尾
　　　　^ : 以某某開頭
　　分組：
　　　　(ab){3}
　　　　(){4} 視為一個整體
　　　　() 子模式\組模式 \1 \2
　　貪婪模式：
　　　　.*? .+?
　　　　re.I : 忽略大小寫
　　　　re.M ：多行匹配
　　　　re.S ：單行匹配

match\search\findall
re.sub(正則表達式, 替換內容, 原字符串)

bs4匹配規則

需要安裝：pip install bs4
bs4在使用時候需要一個第三方庫，把這個庫也安裝一下 pip install lxml

簡單使用：
　　說明：選擇器，jquery
　　　　from bs4 import BeautifulSoup
　　使用方式：可以將一個html文檔，轉化為指定的對象，然後通過對象的方法或者屬性去查找指定的內容
　　　　（1）轉化本地文件：
　　　　　　soup = BeautifulSoup(open(‘本地文件‘), ‘lxml‘)
　　　　（2）轉化網絡文件：
　　　　　　soup = BeautifulSoup(‘字符串類型或者字節類型‘, ‘lxml‘)
　（1）根據標簽名查找
　　　　soup.a 只能找到第一個符合要求的標簽
　（2）獲取屬性
　　　　soup.a.attrs 獲取所有的屬性和值，返回一個字典
　　　　soup.a.attrs[‘href‘] 獲取href屬性
　　　　soup.a[‘href‘] 也可簡寫為這種形式
（3）獲取內容
　　　　soup.a.string
　　　　soup.a.text
　　　　soup.a.get_text()
　　　註意：如果標簽還有標簽，那麽string獲取到的結果為None，而其它兩個，可以獲取文本內容
　（4）find
　　　　soup.find(‘a‘) 找到第一個符號要求的a
　　　　soup.find(‘a‘, title="xxx")
　　　　soup.find(‘a‘, alt="xxx")
　　　　soup.find(‘a‘, class_="xxx")
　　　　soup.find(‘a‘, id="xxx")

　　註意：find方法不僅soup可以調用，普通的div對象也能調用，會去指定的div裏面去查找符合要求的節點
　　　　　find找到的都是第一個符合要求的標簽
　（5）find_all
　　　　soup.find_all(‘a‘)
　　　　soup.find_all([‘a‘, ‘b‘])
　　　　soup.find_all(‘a‘, limit=2) 限制前兩個
　（6）select
　　　　根據選擇器選擇指定的內容
　　　　常見的選擇器：標簽選擇器、類選擇器、id選擇器、組合選擇器、層級選擇器、偽類選擇器、屬性選擇器
　　　　　　a #標簽選擇器
　　　　　　.dudu 類選擇器
　　　　　　#lala id選擇器
　　　　　　a, .dudu, #lala, .meme #組合選擇器
　　　　　　div .dudu #lala .meme .xixi #包含選擇器
　　　　　　div > p > a > .lala 只能是下面一級 #層級選擇器
　　　　　　input[name=‘lala‘] #屬性選擇器

　　　　　select選擇器返回永遠是列表，需要通過下標提取指定的對象，然後獲取屬性和節點
　　　　　該方法也可以通過普通對象調用，找到都是這個對象下面符合要求的所有節點

Xpath匹配原則

安裝xpath插件
將xpath插件拖動到谷歌瀏覽器擴展程序中，安裝成功
啟動和關閉插件
　　ctrl + shift + x
屬性定位
　　　　//input[@id="kw"]
　　　　//input[@class="bg s_btn"]
層級定位
索引定位
　　　　//div[@id="head"]/div/div[2]/a[@class="toindex"]
　　　　【註】索引從1開始
　　　　//div[@id="head"]//a[@class="toindex"]
　　　　【註】雙斜杠代表下面所有的a節點，不管位置
邏輯運算
　　　　//input[@class="s_ipt" and @name="wd"]
模糊匹配
　　　　contains
　　　　//input[contains(@class, "s_i")]
所有的input，有class屬性，並且屬性中帶有s_i的節點
　　　　//input[contains(text(), "愛")]
　　　　starts-with
　　　　//input[starts-with(@class, "s")]
所有的input，有class屬性，並且屬性以s開頭
取文本
　　　　//div[@id="u1"]/a[5]/text() 獲取節點內容
　　　　//div[@id="u1"]//text() 獲取節點裏面不帶標簽的所有內容

直接將所有的內容拼接起來返回給你
　　　　ret = tree.xpath(‘//div[@class="song"]‘)
　　　　string = ret[0].xpath(‘string(.)‘)
　　　　print(string.replace(‘\n‘, ‘‘).replace(‘\t‘, ‘‘))
取屬性
　　　　//div[@id="u1"]/a[5]/@href

代碼中使用xpath
　　　　from lxml import etree
兩種方式使用：將html文檔變成一個對象，然後調用對象的方法去查找指定的節點
　　（1）本地文件
　　　　tree = etree.parse(文件名)
　　（2）網絡文件
　　　　tree = etree.HTML(網頁字符串)

　　ret = tree.xpath(路徑表達式)
　　【註】ret是一個列表

jsonpath匹配規則

jsonpath: 用來解析json數據使用的
Python處理json格式用到的函數
　　import json
　　json.dumps() : 將字典或者列表轉化為json格式的字符串
　　json.loads() ：將json格式字符串轉化為python對象
　　json.dump() : 將字典或者列表轉化為json格式字符串並且寫入到文件中
　　json.load() ：從文件中讀取json格式字符串，轉化為python對象
前端處理：
　　將json格式字符串轉化為js對象
　　JSON.parse(‘json格式字符串‘)
　　eval(‘(‘ + json格式字符串 + ‘)‘)
安裝：
　　pip install lxml
　　pip install jsonpath
　　http://blog.csdn.net/luxideyao/article/details/77802389
　　xpath和jsonpath的對比
　　 / $ 根元素
　　　 . @ 當前元素
　　　 / . 子元素
// .. 任意位置查找
* * 通配符
[] ?() 過濾
　　xpath 索引下標從1開始
　　jsonpath 索引下標從0開始

正則，bs4 ,xpath 和jsonpath 的匹配規則