深入理解AD域登录过程

python爬虫学习三：python正则表达式

自己写的一个爬虫：https://github.com/qester/wordpres_Crawler

1、正则表达式基础

a、正则表达式的大致匹配过程：
1、依次拿出表达式和文本中的字符比较
2、如果每一个字符都能匹配，则匹配成功；一旦有匹配不成功的字符则匹配失败。
3、如果表达式中有量词或边界，这个过程会稍微有些不同。

b、正则表达式语法学习（参考网页吧）

2、re模块

python通过模块提供正则表达式的支持。使用re的一般步骤是：
s1、先将正则表达式的字符串形式编译成Pattern实例；
s2、然后使用Pattern实例处理文本并获得匹配结果（一个Match实例）；
s3、最后使用Match实例获取信息，进行其他操作。

a、Compile
re.Compile(strPattern[,flag]):
这个方法是Pattern类的工厂方法，用于将字符串形式的正则表达式编译为Pattern对象。
flag参数是匹配模式，取值可以使用按位或运算符"|"表示同时生效，比如re.re.M.
flag的可选值有：
re.I:忽略大小写
re.M:多行模式
re.S:点任意匹配模式
re.L:
re.U:
re.X:详细模式
b、Match
Match对象是一次匹配的结果，包含了很多关于此次匹配的信息，可以使用Match提供的可读
属性或方法来获取这些信息。

属性：
string：匹配时使用的文本。
re：匹配时使用的Pattern对象。
pos：文本中正则表达式开始搜索的索引。
endpoe：结束搜索的索引
lastindex：最后一个被捕获的分组在文本中的索引。如果没有被捕获的分组，将为None。
lastgroup：最后一个被捕获的分组的别名。如没有，则为None。

方法：
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的形式返回。不写参数时返回group(0).
groups([default]):
以元组的形式返回全部分组截获的字符串。
groupdict([default]):
返回以有别名的组的别名为键、以该组截获的子串为值得字典，没有别名的组不包含在内。
start([group])：
返回指定的组截获的子串在string中的起始索引（子串第一个字符的索引）。
end([group]):
返回指定的组截获的子串在string中的结束索引（子串最后一个字符的索引+1）。
span([group]):
返回(stat(group),end(group))。
expand(template):
将匹配到的分组代入template中然后返回。

c、Pattern
Pattern对象是一个编译好的正则表达式，通过Pattern提供的一系列方法可以对文本进行匹配查找。
Pattern不能直接实例化，必须使用re.compile()进行构造，也就是re.compile()返回的对象。

Pattern提供了几个可读属性用于获取表达式的相关信息：
pattern：编译时用的表达式字符串
flags：编译时用的匹配模式，数字形式。
groups：表达式中分组的数量。
groupindex：以表达式中有别名的组的别名为键、以该组对应的编号为值，没有别的别名的组不包含在内。

3、一些Pattern的实例方法：

a、match方法：返回一个match对象
b、search方法：返回一个match对象
c、spilt方法：按照能够匹配的子串将string进行分割后返回列表。
d、findall方法：以列表返回全部能够匹配的子串。
e、finditer方法：返回一个顺序方位每一个匹配结果的迭代器。
f、sub方法：sub(repl,string)：使用repl替换string的每一个匹配的子串后返回替换后的字符串。