正则表达式
匹配单个字符
． 匹配任意一个字符，除了 d 匹配 0－9 的数字D 匹配非数字 与d 相反［］ 匹配 ［］ 中列举的字符 w 匹配 0－9 a－z A－Z ＿ 慎用，可以匹配中文W 匹配非 ws 匹配空白，即空格、tab键， 表示 tab 键S 匹配非空 与s 相反
匹配多个字符
｛m，n｝ 匹配前一个字符 m－n 次｛m｝ 匹配前一个字符 m 次？ 匹配前一个字符1次或0次，可有可无 ＃ python 默认贪婪，加 ？变为非贪婪＊ 匹配前一个字符0次或任意次，不匹配 可以使用模块中的 re．S 模块来忽略＋ 匹配枪一个字符 1次或任意次
开头结尾
＾ 匹配字符串开头 ＃ ［＾＞］ 在 ［］ 中 ＾ 表示非＄ 匹配字符串结尾
匹配分组
｜ 匹配左边或者右边，表示 或（ab） 将括号中的字符作为一个分组um 引用分组num匹配到的字符串（？p＜name＞） 给分组起别名（？p＝name） 引用别名为name的分组取到的字符串
re模块高级用法
re．match（） 能够匹配出以xxx开头的字符串re．search（） 能够匹配出包含xxx的字符串re．findall（） 能够找出所有xxx字符串re．sub（） 将匹配到的数据进行替换re．split（） 根据匹配进行切割字符串，并返回一个列表
Python里数量词默认是贪婪的
贪婪：总是尝试匹配尽可能多的字符非贪婪：总是尝试匹配尽可能少的字符。 在＂＂，＂？＂，＂＋＂，＂｛m，n｝＂后面加上 ？ ， 使贪婪变成非贪婪。
r的作用
python中字符串加上 r 表示原生字符串，不需要频繁转义
练习代码import re＂＂＂判断变量名是否符合要求＂＂＂＃ 一些变量名names ＝ ［＂age＂， ＂＿age＂， ＂1age＂， ＂age1＂， ＂a＿age＂， ＂age＿1＿＂， ＂age！＂， ＂a＃123＂， ＂＿＿＿＿＿＿＿＿＿＿＂］for name in names： ＃ 使用正则来判断是否符合要求 ＃ 只能由字母、数字、下划线组成，不能以数字开头 ＃ 正则以 ＾ 开头， ＄ 结尾 ret ＝ re．match（r＂＾［a－zA－Z＿］［a－zA－Z0－9＿］＊＄＂， name） ＃ 判断是否有数据 if ret： print（＂％s 变量名符合要求，正则匹配的数据是 ％s＂ ％ （name， ret．group（））） else： print（＂％s 不符合要求＂ ％ name）import redef email＿1（）： ＂＂＂ 匹配网易邮箱 qinyifan＿＿123＠163．com 命名规范：由 0－9 a－z A－Z ＿ 组成，不能以数字开头 ＂＂＂ ＃ 提示输入邮箱 email＿str ＝ input（＂请输入你的邮箱：＂） ＃ 正则判断邮箱是否正确 ret ＝ re．match（r＂＾［a－zA－Z＿］［0－9a－zA－Z＿］｛3，19｝＠163．com＂， email＿str） if ret： print（＂邮箱 ％s 名字合法＂ ％ email＿str） else： print（＂邮箱 ％s 名字不合法＂ ％ email＿str）def email＿2（）： ＂＂＂ 匹配任意邮箱 ：return： ＂＂＂ ＃ 提示输入邮箱 email＿str ＝ input（＂请输入你的邮箱：＂） ＃ 正则判断邮箱是否正确 ＃ ret ＝ re．match（r＂＾［0－9a－zA－Z＿］＊＠［0－9a－z］｛3，5｝．（com｜com．cn｜net｜org．cn．com）＂， email＿str） ret ＝ re．match（r＂＾［0－9a－zA－Z＿］＋＠［0－9a－zA－Z］＋（．［a－zA－Z］）＂， email＿str） if ret： print（＂邮箱 ％s 名字合法＂ ％ email＿str） else： print（＂邮箱 ％s 名字不合法＂ ％ email＿str）def phone＿1（）： ＂＂＂ 匹配座机号码 要求：区号3－4位，号码7－8位，号码和区号之间可有有－号，可以没有 ：return： ＂＂＂ ＃ 提示输入手机号 phone＿num ＝ str（input（＂请输入你的手机号：＂）） ＃ 正则判断 ret ＝ re．match（r＂＾［d］｛3，4｝－？［d］｛7，8｝＄＂， phone＿num） if ret： print（＂手机号 ％s 正确＂ ％ phone＿num） else： print（＂手机号 ％s 不正确＂ ％ phone＿num）def phone＿2（）： ＂＂＂ 匹配尾号不是4和7的手机号 ：return： ＂＂＂ ＃ 提示输入手机号 phone＿num ＝ str（input（＂请输入你的手机号：＂）） ＃ 正则判断 ret ＝ re．match（r＂＾［0－35－68－9］｛11｝＄＂， phone＿num） if ret： print（＂手机号 ％s 正确＂ ％ phone＿num） else： print（＂手机号 ％s 不正确＂ ％ phone＿num）def main（）： email＿1（） email＿2（） phone＿1（） phone＿2（）if ＿＿name＿＿ ＝＝ ＇＿＿main＿＿＇： main（）＂＂＂使用正则判断来爬取一整个网页的图片，简单的爬虫思路： 1．先打开要爬取的网页，找到网页源代码，保存在 douyu．txt 文件中， 2．进行文件打开操作，使用正则判断得到每个图片地址并且保存在一个列表中 3．遍历得到每个图片地址，使用urllib库取得每个图片的信息，指定路径进行写入操作。＂＂＂import reimport urllib．requestimport geventfrom gevent import monkeyimport timemonkey．patch＿all（）＂＂＂封装函数实现一下多任务 失败＂＂＂def find＿img＿url（）： ＂＂＂打开存储网页源代码的文件，使用正则得到图片网址列表＂＂＂ with open（＂douyu．txt＂， ＂rb＂） as f： file ＝ f．read（）．decode（＂utf－8＂） ＃ print（file） ret ＝ re．findall（r＂https：／／．＊．jpg＂， file） print（ret） return retdef download＿img（ret）： ＂＂＂对得到的网址列表进行操作＂＂＂ num ＝ 0 for img＿url in ret： num ＋＝ 1 content ＝ urllib．request．urlopen（img＿url） img ＝ content．read（） with open（＂．／douyu＿img／img＂ ＋ str（num） ＋ ＂．jpg＂， ＂wb＂） as f： f．write（img） print（＂第 ％d 张下载完毕＂ ％ num） print（＂全部下载完毕＂）def main（）： ＃ 先调用获取网址列表的函数 ret ＝ find＿img＿url（） ＃ download＿img（ret） ＃ 创建协程 ＃ g ＝ gevent．spawn（download＿img， ret） ＃ g．join（） gevent．joinall（［ gevent．spawn（download＿img， ret） ］）if ＿＿name＿＿ ＝＝ ＇＿＿main＿＿＇： main（）
小任务：爬取图片，
从给定的网页中写正则取出图片地址，放到列表中
根据过滤出来的链接去网上下载图片，方法 img 文件夹中
给定一个网址，下载其中所有的图片到 image 文件夹中
要求用协程实现
＂＂＂实现打开一个网址，从中下载图片＂＂＂import urllib．requestimport reimport geventdef get＿url（）： header ＝ ｛＇User－Agent＇： ＇Mozilla／5．0 （Windows NT 6．1； WOW64； rv：23．0） Gecko／20100101 Firefox／23．0＇｝ ＃ 请求头，来模仿浏览器 ＃ r ＝ urllib．request．Request（＂https：／／www．douyu．com／g＿yz＂， headers＝header） ＃ 请求一个网站（斗鱼），将请求头传过去，服务器会返回一个值 r ＝ urllib．request．Request（＂https：／／www．huya．com／g／1663＂， headers＝header） ＃ 虎牙 req ＝ urllib．request．urlopen（r） ＃ 打开服务器返回的源代码 img＿content ＝ req．read（）．decode（＂utf－8＂） ＃ 将数据保存到一个变量中， 进行解码 ＃ print（img＿content） ＃ 使用正则从网页数据中取出所有的 图片地址并保存到一个列表中 img＿all＿url ＝ re．findall（r＂https：／／．＊？．jpg＂， img＿content） print（img＿all＿url） ＃ img＿all＿url．pop（0） ＃ 不知为何斗鱼网站匹配出来的前两个网址是错的，强行进行删除 ＃ img＿all＿url．pop（0） ＃ print（img＿all＿url） return img＿all＿urldef download＿img（img＿url， num）： ＂＂＂对得到的每个图片地址执行下载操作＂＂＂ ret ＝ urllib．request．urlopen（img＿url） ＃ 得到每个图片返回的数据 img＿content ＝ ret．read（） ＃ 得到每个图片的内容 with open（＂．／douyu＿img／huya＿img／img＂ ＋ str（num） ＋ ＂．jpg＂， ＂wb＂） as f： ＃ 打开文件时注意路径 f．write（img＿content） print（＂正在从 ％s 下载＂ ％ img＿url） print（＂这是第 ％d 张＂ ％ num）def main（）： ＃ 调用取得所有图片地址的函数 img＿all＿url ＝ get＿url（） ＃ 新建一个 gevent 列表 gevent＿list ＝ ［］ num ＝ 0 for img＿url in img＿all＿url： ＃ 遍历得到每个图片地址 num ＋＝ 1 ＃ download＿img（img＿url， num） ＃ 调用函数对得到的每个图片内容下载 gevent＿list．append（gevent．spawn（download＿img， img＿url， num））
＃ 实现协程 gevent．joinall（gevent＿list）if ＿＿name＿＿ ＝＝ ＇＿＿main＿＿＇： main（）
今天的内容需要记忆的很多，不过也很好玩，爬虫真的是很有趣，不过现在只是实现了简单的爬取图片，而且实验的这两个网址对于图片的反爬机制不是那么好，以后要爬的肯定不是简单的图片，而且也不会那么好爬的，需要再学更多的知识，才能做到想爬什么就爬什么。
爬虫、反爬虫、反反爬虫、一个想爬，一个不让爬，最后变为两个程序员之间的战争，有意思...
