之前說過，使用urllib和urllib2，只是為了獲取指定URL的html內容，而對內容進行解析和篩選，則需要藉助python中的正則表示式來完成。

一、預備知識：

1.正則表示式簡述：

        什麼是正則表示式？正則表示式就是可以匹配文字片段的模式，最簡單的正則表示式就是一個字串，用於在文字中匹配到此字串自身。

2.常用正則表示式：

        設計正則表示式的時候有幾個注意點如下：

a.特殊符號需要加轉移符：如要匹配'china.com'，則正則表示式格式應為'china\\.com'；

b.字符集（使用中括號[]來包含字串組成字符集）：如[a-z]表示匹配從a到z之間的字元；此外，還有一個反轉字符集，使用^符號開頭

c.選擇符：如要匹配'python'和'page'，寫出來的模式為'python|page'，其中‘|’是管道符號；

d.子模式：如‘p(ython|age)’；

e.可選項：在模式後面加上問好(?)，那該模式就變成了可選項，即其可能出現在匹配到的字串中，但是並非必須的，如r'(http://)?(www.)?shuhe.com'可匹配的結果有：

        http://www.shuhe.com、http://shuhe.com、www.shuhe.com、shuhe.com

f.重複子模式：

        (pattern)*：允許模式重複0次或多次

        (pattern)+：允許模式重複1次或多次

        (pattern){m,n}：允許模式重複m~n次

例如：

        r'w*\.python\.org'匹配'www.python.org'、'.python.org'、'wwwwww.python.org'

        r'w+\.python\.org'匹配'w.python.org'；但不匹配'.python.org'

        r'w{3,4}\.python\.org'只能匹配'www.python.org'和'wwww.python.org'

二、re模板的使用：

        在python中封裝了一些常用的正則表示式在re模板

        上述是re中常用的正則表示式，使用步驟為：

        1.先將正則表示式的字串形式編譯為Pattern例項；

        2.然後使用Pattern例項處理文字並獲得匹配結果（一個Match例項）；

        3.最後使用Match例項獲得資訊，進行其他的操作。

例如：

# encoding: UTF-8
import re
 
# 將正則表示式編譯成Pattern物件
pattern = re.compile(r'hello')
 
# 使用Pattern匹配文字，獲得匹配結果，無法匹配時將返回None
match = pattern.match('hello world!')
 
if match:
    # 使用Match獲得分組資訊
    print match.group()
 
### 輸出 ###
# hello