上一期我们从网址http://cn.bing.com/images/search?q=胡歌&first=1&count=28获取到了数据，并把他解码成了字符串，他是一团乱麻。
第三期中，我们说过，要从中找出这样的：<a class="thumb" target="_blank" href="第一串网址" h="ID=images,5028.1"><div class="cico" style="width:230px;height:170px;"><img src="第二串网址" alt=" " width="230" height="170"></div></a>，然后从里面拿到第一串网址的部分。我的天，天书一样的字符串里怎么找出几段这样东西呢。还好早期的程序员们发明了一种叫正则表达式的东西，不然，那就真是我的天了。正则表达式是什么呢？简单来说，是一种描述性的语言，来描述字符串的特征。如果一段字符串，完全或者部分的符合这段描述语言，就认为“匹配”，否则就不匹配。打个比方，我的待匹配人物有：林黛玉、薛宝钗、贾元春、贾探春、史湘云、妙玉、贾迎春、贾惜春、王熙凤、贾巧姐、李纨、秦可卿；描述语句：一双丹凤三角眼，两弯柳叶吊梢眉，身量苗条，体格风骚，粉面含春威不露，丹唇未启笑先闻。那能匹配到谁？当然是王熙凤。那如果只用其中的身量苗条呢？是不是就有好多人都可以匹配了。如果描述语句改成：卷脏莲蓬吊搭嘴，耳如蒲扇显金睛，獠牙锋利如钢锉，长嘴张开似火盆，哈哈，还有能匹配上的么？正则表达式也是这样，我们用一定的规则，描述一个字符串的特征，然后和待匹配的字符串运算，看是否有能匹配上的。至于正则表达式深入用法，是可以写本书的，在这里我简单说一下他们的类别，还有每个类别里面我们会用到的。1、如果要描述一串字符串，最精确的是不是字符串本身？比如我的描述语言是王熙凤，那匹配的当然有且只有王熙凤。所以这种，就是普通的字符串，匹配他们本身。
这是一个在线的正则表达式测试工具，网址：http://tool.oschina.net/regex/。上面是待匹配字符串，中间是正则表达式，下面是匹配结果。2、有了普通就有特殊的，比如，匹配数字用/d，还有我们要用到的这个奇葩：.，嗯没错，就是一个点，匹配除了换行符号/n之外的所有字符。
那么请问？我要匹配符号.的时候怎么办呢？还记得我们用引号表示字符串时，如果字符串里有引号，怎么办么？一样的办法。3、在第一个例子中看到，我们想匹配“妈妈”，非得完整的输入“妈妈”才行，只输入“妈”就只能分开匹配。两个字还好，我们输入“妈妈”也没什么。可是，如果在第二个例子中，我想用.一次性匹配一整句话的16个字，难道要输入16个点么？这也太蠢了。于是就有了描述匹配数量的方法：.{16}，就是表示匹配16分符合.这个描述的字符，如果是{16,20}就是匹配16到20个，如果是{16,}，表示匹配16个以及16个以上。现在来说一个我们要用到的特殊的：+，加号，匹配一次或多次，也就是等同于{1,}:哎，不想写了，正则表达式这东西吧，得去记，我并不能用抽象的表述让他变得更有趣或者更好理解，我说得再多，也不如自己去记。不说了，我直接把代码贴出来得了：
reg = r'<a class="thumb" target="_blank" href="(.+?)"'imgre = re.compile(reg)imglist = imgre.findall(html)第一句是定义一个正则表达式，开头的一个r，就是表示正则表达式（Regular ExPRession，简写regex）。第二句re.compile()，re是python内建模块，需要用import re导入。compile方法用于编译一个正则表达式，形成一个过滤器，这个过滤器就是imgre。第三句findall就很容易理解了，用过滤器去找。那么找到的结果是怎样的呢？我打印的是imglist，看到了吗，结果就是我们需要的图片网址，正则表达式是不是很神奇，仅仅三行代码，就从那么复杂的数据中找到我们想要的，同学们快去好好的学正则表达式的规则吧。
不过有同学发现没，我打印出来的imglist的格式是[url1,url2,url3,url4......]，这种数据，已经不属于我们说的五种基本数据类型了，他是什么呢？下节课继续。
欢迎关注我的微信公众号获取最新文章：
新闻热点
疑难解答
