上一期我們從網址http://cn.bing.com/images/search?q=胡歌&first=1&count=28獲取到了數據，并把他解碼成了字符串，他是一團亂麻。

第三期中，我們說過，要從中找出這樣的：<a class="thumb" target="_blank" href="第一串網址" h="ID=images,5028.1"><div class="cico" style="width:230px;height:170px;"><img src="第二串網址" alt=" " width="230" height="170"></div></a>，然后從里面拿到第一串網址的部分。我的天，天書一樣的字符串里怎么找出幾段這樣東西呢。還好早期的程序員們發明了一種叫正則表達式的東西，不然，那就真是我的天了。正則表達式是什么呢？簡單來說，是一種描述性的語言，來描述字符串的特征。如果一段字符串，完全或者部分的符合這段描述語言，就認為“匹配”，否則就不匹配。打個比方，我的待匹配人物有：林黛玉、薛寶釵、賈元春、賈探春、史湘云、妙玉、賈迎春、賈惜春、王熙鳳、賈巧姐、李紈、秦可卿；描述語句：一雙丹鳳三角眼，兩彎柳葉吊梢眉，身量苗條，體格風騷，粉面含春威不露，丹唇未啟笑先聞。那能匹配到誰？當然是王熙鳳。那如果只用其中的身量苗條呢？是不是就有好多人都可以匹配了。如果描述語句改成：卷臟蓮蓬吊搭嘴，耳如蒲扇顯金睛，獠牙鋒利如鋼銼，長嘴張開似火盆，哈哈，還有能匹配上的么？正則表達式也是這樣，我們用一定的規則，描述一個字符串的特征，然后和待匹配的字符串運算，看是否有能匹配上的。至于正則表達式深入用法，是可以寫本書的，在這里我簡單說一下他們的類別，還有每個類別里面我們會用到的。1、如果要描述一串字符串，最精確的是不是字符串本身？比如我的描述語言是王熙鳳，那匹配的當然有且只有王熙鳳。所以這種，就是普通的字符串，匹配他們本身。這是一個在線的正則表達式測試工具，網址：http://tool.oschina.net/regex/。上面是待匹配字符串，中間是正則表達式，下面是匹配結果。2、有了普通就有特殊的，比如，匹配數字用/d，還有我們要用到的這個奇葩：.，嗯沒錯，就是一個點，匹配除了換行符號/n之外的所有字符。那么請問？我要匹配符號.的時候怎么辦呢？還記得我們用引號表示字符串時，如果字符串里有引號，怎么辦么？一樣的辦法。3、在第一個例子中看到，我們想匹配“媽媽”，非得完整的輸入“媽媽”才行，只輸入“媽”就只能分開匹配。兩個字還好，我們輸入“媽媽”也沒什么。可是，如果在第二個例子中，我想用.一次性匹配一整句話的16個字，難道要輸入16個點么？這也太蠢了。于是就有了描述匹配數量的方法：.{16}，就是表示匹配16分符合.這個描述的字符，如果是{16,20}就是匹配16到20個，如果是{16,}，表示匹配16個以及16個以上。現在來說一個我們要用到的特殊的：+，加號，匹配一次或多次，也就是等同于{1,}:哎，不想寫了，正則表達式這東西吧，得去記，我并不能用抽象的表述讓他變得更有趣或者更好理解，我說得再多，也不如自己去記。不說了，我直接把代碼貼出來得了：

reg = r'<a class="thumb" target="_blank" href="(.+?)"'imgre = re.compile(reg)imglist = imgre.findall(html)第一句是定義一個正則表達式，開頭的一個r，就是表示正則表達式（Regular ExPRession，簡寫regex）。第二句re.compile()，re是python內建模塊，需要用import re導入。compile方法用于編譯一個正則表達式，形成一個過濾器，這個過濾器就是imgre。第三句findall就很容易理解了，用過濾器去找。那么找到的結果是怎樣的呢？我打印的是imglist，看到了嗎，結果就是我們需要的圖片網址，正則表達式是不是很神奇，僅僅三行代碼，就從那么復雜的數據中找到我們想要的，同學們快去好好的學正則表達式的規則吧。
不過有同學發現沒，我打印出來的imglist的格式是[url1,url2,url3,url4......]，這種數據，已經不屬于我們說的五種基本數據類型了，他是什么呢？下節課繼續。
歡迎關注我的微信公眾號獲取最新文章：