正则表达式入门

cjx最近在做爬虫的项目，急切需要在页面中抓取自己想要的内容，但是通过逻辑判断获取实在是过于复杂。很庆幸有正则表达式这个利器，很多事情都能够轻松办到，cjx之前也有了解一些关于正则表达式的知识。不过一直处于理解不彻底的状态，很难有效的自己编写一个满意的正则表达式出来。最近在网上发现有本Jeffrey E.F.Fried写的 精通正则表达式。 看了第一章后突然发现自己能写几个正则了，呵呵~~~ cjx突然有一种从屌丝升级成高富帅的感脚...下面对书上的第一章做了下总结~

行的起始和结束

或许最容易理解的元字符就是脱字符号^和美元符号$了，在检查一行文本时，^代表一行的开始，$代表结束。

读者最好养成按照字符来理解正则表达式的习惯。 例如，不要这样：

　　^cat 匹配以cat开头的行

而应该这样理解：

　　^cat 匹配的是以c作为一行的第一个字符，紧接一个a，紧接一个t的文本。

这两种理解的结果并无差异，但按照字符来解读更易于明白新遇到的正则表达式的内部逻辑。

匹配若干字符之一

如果我们需要搜索的是单词"grey"，同时又不确定它是否写作"gray"，就可以使用正则表达式结构体[...]。它容许使用者列出在某处期望的匹配的字符，通常被称作字符组。

所以，gr[ea]y的意思是：先找到g，跟着的是一个r，然后是一个a或者e，最后是一个y。

在字符组内部，字符租元字符 '-' 表示一个范围: 与 是完全一样的。我们还可以随心所欲地把字符范围与普通文本结合起来:

[0-9A-Z_!.?] 能够匹配一个数字、大写字母、下划线、惊态号、点号或者是问号。

排除型字符组

用[^...] 来取代 [...] 这个字符组就会匹配任何未列出的字符。例如:[^1-6] 匹配了除了1到6以外的任何字符。这个组中开头的^表示排除，所以这里列出的不是希望匹配的字符，而是不希望匹配的字符。

用点号匹配任意字符

元字符. 是用来匹配任意字符的字符组的简便写法。如果我们需要在表达式中使用一个"匹配任何字符" 的占位符，用点号就很方便。

匹配任意子表达式

元字符 | 是一个非常简洁的元字符，它的意思就"或" 。依靠它，我们能够把不同的子表达式组合一个总的表达式，而这个总的表达式又能够匹配任意的子表达式。

可选项元素

现在来看color和colour的匹配。它们的区别在于，后面的单词比前面的多一个u，我们可以用coloru?r 来解决这个问题。元字符? (也就是问号)代表可选项。把它加在一个字符的后面，就表示此处容许出现这个字符，不过它的出现并非匹配成功的必要条件。

其他量词:重复出现

+(加号)和*(星号)的作用与问号类似。元字符+ 表示之前紧邻的元素出现一次或多次，而* 表示之前紧邻的元素出现任意多次，或者不出现。
接下来看类似