正則表達式是處理字符串的強大工具，它有自己特定的語法結構，對於爬蟲來說，它可以幫我們從HTML例提取我們想要的信息，實際上正則表達式應用非常廣泛，如數據挖掘、數據分析、網絡爬蟲、輸入有效性驗證等。在python中我們可以用re模塊來實現正則表達式。
正則表達式的功能非常強大，短短一節是講不完的，對於新手來說，學習正則表達式可以瀏覽廖雪峯的官方網站。
這裏列出了常用的幾個匹配規則：
| 模式 | 描述 |
|---|---|
| \w | 匹配字母、數字及下劃線 |
| \W | 匹配不是字母、數字及下劃線的字符 |
| \s | 匹配任意空白字符，等價於[\t\n\r\f] |
| \S | 匹配任意非空白字符 |
| \d | 匹配任意數字，等價於[0-9] |
| \D | 匹配任意非數字 |
| \A | 匹配字符串開頭 |
| \Z | 匹配字符串結尾，如果存在換行，則匹配到換行前的結束字符串 |
| \z | 匹配字符串結尾，如果存在換行，還會匹配到換行符 |
| \G | 匹配最後匹配完成的位置 |
| \n | 匹配一個換行符 |
| \t | 匹配一個製表符 |
| ^ | 匹配一行字符串的開頭 |
| $ | 匹配一行字符串的結尾 |
| . | 匹配任意字符 |
| […] | 用來表示一組字符，比如[abc]匹配a、b或c |
| [^…] | 匹配不在[]內的字符，比如[^abc]匹配除了a、b或c以外的字符 |
| * | 匹配0個或多個表達式 |
| + | 匹配1個或多個表達式 |
| ? | 匹配0個或1個前面的正則表達式定義的片段、非貪婪方式 |
| {n} | 精確匹配n個前面的表達式 |
| {n, m} | 匹配n到m次由前面表達式定義的片段，貪婪方式 |
| a | b | 匹配a或b |
| () | 匹配括號內的表達式，也表示一個組 |
通過前幾章我們已經學習瞭如何構建請求、如何獲得網頁信息以及使用正則表達式提取我們需要的內容，目前爲止我們已經可以使用爬蟲獲取一些有用的信息了，下一章我們開始構建我們的第一個爬蟲項目，如果你想了解更多內容，可以關注公衆號“機器圖騰”，裏面可以免費獲取python學習資源、網絡爬蟲教程等，每週不定時更新一些有趣的python小項目。