php用正则表达抓取网页中文章(Chapter07||抽取数据之正则表达式在说，先说 )

　　php用正则表达抓取网页中文章(Chapter07||抽取数据之正则表达式在说，先说

)

　　第七章 | 用于提取数据的正则表达式

　　在说正则表达式之前，先说一下下面的网页结构

　　根据网站的组成结构，网站可以分为以下两种

　　一、网站介绍1、网站

　　​对于爬虫：​

　　无论是静态的还是动态的网站，HTML页面“隐藏”有价值的数据信息

　　使用网络爬虫提取信息需要了解页面的 HTML 标签使用和分布

　　2、HTML 语言

　　一个完整的 HTML 文件包括：

　　一般HTML文件的编写遵循以下格式：

　　3、从网页中提取数据

　　借助Python网络库，构建的爬虫可以爬取HTML页面的数据

　　通过以下方式从抓取的页面数据中提取有价值的数据：

　　二、正则表达式

　　面对复杂的HTML页面，往往需要提取出需要的信息，比如ID号等。

　　使用简短的字符串表达式来匹配此信息：

　　正则表达式具有独立的语法和处理引擎。在支持正则表达式的语言中，正则表达式的语法是一致的

　　​不同的编程语言实现支持不同数量的语法：​

　　1、正则表达式工作流程

　　2、正则表达式语言

　　正则表达式语言由两种基本字符类型组成

　　3、正则表达式的分组

　　如果要匹配重复的字符串，用括号（）包裹目标字符串

　　分组可以分为两种形式：

　　4、正则表达式捕获5、非捕获组和捕获组

　　eg: 匹配 0 到 100 范围内的整数

　　三、重新库

　　re 是一个专门用于处理正则表达式的 Python 模块，通常具有以下功能：

　　下面依次解释