常用符号
(1)* 匹配前面的字符、子表达式或括号里的字符0次或多次 例如：a*b* 结果：aaa,aaabb,bb
(2)+ 匹配前面的字符、子表达式或括号里的字符至少1次 例如：a+b+ 结果：aaab,aabb,abbb
(3)[] 匹配任意一个字符（相当于“任选一个”） 例如：[A-Z]* 结果：AP,CAP,QWER
(4)() 表达式编组（会优先运行） 例如：(a*b)* 结果：aabab,abaab,ababaaab
(5){m,n} 匹配前面的字符、子表达式或括号里的字符m到n次 例如：a{2,3}b{2,3} 结果：aabb,aaabb,aaabbb
(6)[^] 匹配任意一个不在中括号里的字符 例如：[^A-Z]* 结果：apple,low,qwe
(7)| 匹配任意一个由竖线分割的字符、子表达式 例如：b(a|i|e)d 结果：bad,bid,bed
(8). 匹配任意单个字符(包括符号、数字和空格等) 例如：b.d 结果：bad,b d,b$d
(9)^ 指字符串开始位置的字符或子表达式 例如：^a 结果：ap,asdl,a
(10)\ 转义字符（把有特殊含义的字符转换成字面形式） 例如：\.\|\\ 结果：.|\
(11)$ 经常用在正则表达式的末尾，表示“从字符串的末端匹配 例如：[A-Z]*[a-z]*$ 结果：ABCabc,zzyx,Bob
(12)?! “不包含”。通常放在字符或正则表达式前面 例如：^((?![A-Z]).)*$ 结果：no-caps-here,$y01s,a5d!ne
示例：
字母“a”至少出现一次；后面跟着字母“b”重复 5 次；后面再跟字母“c”重复任意偶数次；最后一位是字母“d”，也可以没有。
aa*bbbbb(cc)*(d | )
识别邮箱地址。
[A-Za-z0-9\._+]+@[A-Za-z]+\.(com|org|edu|net)
2、正则表达式和BeautifulSoup
网页上有几个商品图片——它们的源代码形式：<img src="../img/gifts/img3.jpg">
如果用findAll("img")抓取所有图片将抓到许多不需要的图片，用正则：
# -*- coding: utf-8 -*-
import re
from urllib.request import urlopen
from bs4 import BeautifulSoup
html = urlopen("http://www.pythonscraping.com/pages/page3.html")
bsObj = BeautifulSoup(html, 'lxml')
images = bsObj.findAll("img", {"src":re.compile("\.\.\/img\/gifts\/img.*\.jpg")})
for image in images:
print(image["src"])这段代码会打印出图片的相对路径，都是以 ../img/gifts/img 开头，以.jpg结尾。
运行结果：
../img/gifts/img1.jpg ../img/gifts/img2.jpg ../img/gifts/img3.jpg ../img/gifts/img4.jpg ../img/gifts/img6.jpg
3、获取属性
>>> image.attrs
{'src': '../img/gifts/img6.jpg'}
>>> image.attrs["src"]
'../img/gifts/img6.jpg'4、Lambda表达式
Lambda表达式本质上就是一个函数，可以作为其他函数的变量使用。
BeautifulSoup允许我们把特定函数类型当作findAll函数的参数（必须把一个标签作为参数且返回结果是布尔类型）。BeautifulSoup 用这个函数来评估它遇到的每个标签对象，最后把评估结果为“真”的标签保留，把其他标签剔除。
soup.findAll(lambda tag: len(tag.attrs) == 2)
这行代码会找出有两个属性的标签，如下：
<div class="body" id="content"></div>
<span style="color:red" class="title"></span>
原文地址：http://blog.51cto.com/9473774/2093446
