怎么用python正则获取网页内容

　　相信很多小伙伴刚接触正则这个词语，脑海中一点概念也没有，其实从字面上我们稍微能够揣摩到一点，这需要去“接触”内容，由此，那就可以展开本章话题。

　　先看一组后台收到的代码数据，要求正则获取网页内容：

　　*以下为网页源代码，一个列表(12行)，需要获取 ID后面的数字和中文内容，并保存到文本。

　　1

　　2

　　3

　　4

　　5

　　6

　　7

　　8

　　9

　　中文内容试听

　　中文内容2试听

　　中文内容3试听

　　代码演示：

　　1

　　2

　　3

　　4

　　5

　　6

　　7

　　8

　　9

　　10

　　11

　　12

　　13

　　14

　　15

　　16

　　17

　　#!/usr/bin/env python

　　#coding=utf-8

　　import re

　　string = '''

　　中文内容试听

　　中文内容2试听

　　中文内容3试听

　　'''

　　match = re.findall("

　　(.*?)\<",string)

　　for x,y in match:

　　print x,y.decode('utf-8')

　　认识正则表达式：

　　正则表达式就是对字符串进行操作的逻辑公式，相当于‘过滤’这个字符串。一开始学习可能是懵懂的，小编就是这样，后来一直不停的复习，总算是学会了。

　　常用正则表达式：

　　单字符：

　　. : 除换行以外所有字符

　　[] ：[aoe] [a-w] 匹配集合中任意一个字符

　　\d ：数字 [0-9]

　　\D : 非数字

　　\w ：数字、字母、下划线、中文

　　\W : 非\w

　　\s ：所有的空白字符包,括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。

　　\S : 非空白

　　数量修饰：

　　* : 任意多次 >=0

　　+ : 至少1次 >=1

　　? : 可有可无 0次或者1次

　　{m} ：固定m次 hello{3,}

　　{m,} ：至少m次

　　{m,n} ：m-n次

　　边界：

　　$ : 以某某结尾

　　^ : 以某某开头