正则匹配：
规则
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
\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
{m,} ：至少m次
{m,n} ：m-n次
边界：
\b \B
$ : 以某某结尾
^ : 以某某开头
分组：
(ab){3}
(){4} 视为一个整体
() 子模式\组模式 \1 \2
贪婪模式：
.*? .+?
re.I : 忽略大小写
re.M ：多行匹配
re.S ：单行匹配
match\search\findall
re.sub(正则表达式, 替换内容, 原字符串)
bs4匹配规则
需要安装：pip install bs4
bs4在使用时候需要一个第三方库，把这个库也安装一下 pip install lxml
简单使用：
说明：选择器，jquery
from bs4 import BeautifulSoup
使用方式：可以将一个html文档，转化为指定的对象，然后通过对象的方法或者属性去查找指定的内容
（1）转化本地文件：
soup = BeautifulSoup(open(‘本地文件‘), ‘lxml‘)
（2）转化网络文件：
soup = BeautifulSoup(‘字符串类型或者字节类型‘, ‘lxml‘)
（1）根据标签名查找
soup.a 只能找到第一个符合要求的标签
（2）获取属性
soup.a.attrs 获取所有的属性和值，返回一个字典
soup.a.attrs[‘href‘] 获取href属性
soup.a[‘href‘] 也可简写为这种形式
（3）获取内容
soup.a.string
soup.a.text
soup.a.get_text()
注意：如果标签还有标签，那么string获取到的结果为None，而其它两个，可以获取文本内容
（4）find
soup.find(‘a‘) 找到第一个符号要求的a
soup.find(‘a‘, title="xxx")
soup.find(‘a‘, alt="xxx")
soup.find(‘a‘, class_="xxx")
soup.find(‘a‘, id="xxx")
注意：find方法不仅soup可以调用，普通的div对象也能调用，会去指定的div里面去查找符合要求的节点
find找到的都是第一个符合要求的标签
（5）find_all
soup.find_all(‘a‘)
soup.find_all([‘a‘, ‘b‘])
soup.find_all(‘a‘, limit=2) 限制前两个
（6）select
根据选择器选择指定的内容
常见的选择器：标签选择器、类选择器、id选择器、组合选择器、层级选择器、伪类选择器、属性选择器
a #标签选择器
.dudu 类选择器
#lala id选择器
a, .dudu, #lala, .meme #组合选择器
div .dudu #lala .meme .xixi #包含选择器
div > p > a > .lala 只能是下面一级 #层级选择器
input[name=‘lala‘] #属性选择器
select选择器返回永远是列表，需要通过下标提取指定的对象，然后获取属性和节点
该方法也可以通过普通对象调用，找到都是这个对象下面符合要求的所有节点
Xpath匹配原则
安装xpath插件
将xpath插件拖动到谷歌浏览器扩展程序中，安装成功
启动和关闭插件
ctrl + shift + x
属性定位
//input[@id="kw"]
//input[@class="bg s_btn"]
层级定位
索引定位
//div[@id="head"]/div/div[2]/a[@class="toindex"]
【注】索引从1开始
//div[@id="head"]//a[@class="toindex"]
【注】双斜杠代表下面所有的a节点，不管位置
逻辑运算
//input[@class="s_ipt" and @name="wd"]
模糊匹配
contains
//input[contains(@class, "s_i")]
所有的input，有class属性，并且属性中带有s_i的节点
//input[contains(text(), "爱")]
starts-with
//input[starts-with(@class, "s")]
所有的input，有class属性，并且属性以s开头
取文本
//div[@id="u1"]/a[5]/text() 获取节点内容
//div[@id="u1"]//text() 获取节点里面不带标签的所有内容
直接将所有的内容拼接起来返回给你
ret = tree.xpath(‘//div[@class="song"]‘)
string = ret[0].xpath(‘string(.)‘)
print(string.replace(‘\n‘, ‘‘).replace(‘\t‘, ‘‘))
取属性
//div[@id="u1"]/a[5]/@href
代码中使用xpath
from lxml import etree
两种方式使用：将html文档变成一个对象，然后调用对象的方法去查找指定的节点
（1）本地文件
tree = etree.parse(文件名)
（2）网络文件
tree = etree.HTML(网页字符串)
ret = tree.xpath(路径表达式)
【注】ret是一个列表
jsonpath匹配规则
jsonpath: 用来解析json数据使用的
Python处理json格式用到的函数
import json
json.dumps() : 将字典或者列表转化为json格式的字符串
json.loads() ：将json格式字符串转化为python对象
json.dump() : 将字典或者列表转化为json格式字符串并且写入到文件中
json.load() ：从文件中读取json格式字符串，转化为python对象
前端处理：
将json格式字符串转化为js对象
JSON.parse(‘json格式字符串‘)
eval(‘(‘ + json格式字符串 + ‘)‘)
安装：
pip install lxml
pip install jsonpath
http://blog.csdn.net/luxideyao/article/details/77802389
xpath和jsonpath的对比
/ $ 根元素
. @ 当前元素
/ . 子元素
// .. 任意位置查找
* * 通配符
[] ?() 过滤
xpath 索引下标从1开始
jsonpath 索引下标从0开始
原文地址：https://www.cnblogs.com/airapple/p/9132374.html