python爬虫正则表达式

Python爬虫正则表达式是一种用于解析和匹配文本的工具。正则表达式是一种基于字符序列的模式匹配方法，它可以用来识别文本中的特定模式，例如搜索或替换字符串中的特定字符或单词。

在Python中，使用re模块来实现正则表达式操作。以下是一些常见的正则表达式符号：

1. . ：匹配任意字符
2. * ：匹配前一个字符0次或多次
3. + ：匹配前一个字符1次或多次
4. ? ：匹配前一个字符0次或1次
5. [] ：匹配括号内的任意一个字符
6. () ：标记一个子表达式的开始和结束位置，匹配结果可以在后续的操作中使用
7. \ ：转义字符，用于匹配特殊字符，如\w表示匹配任意字母或数字

下面是一个简单的示例，使用正则表达式匹配HTML标签中的超链接：

import re

html = '<a href="https://www.baidu.com">百度</a>'

pattern = r'<a href="(.*?)">(.*?)</a>'

result = re.findall(pattern, html)

print(result)

输出结果为：

[('https://www.baidu.com', '百度')]