正则 ：规则表达式
一般在匹配非结构化的数据时用的比较多，结构化的数据一般用xpath，bs4。但具体使用起来都是视情况而定，相对而言。
正则规则平时涉及最多也就是匹配邮箱，电话，及特殊字符串。规则相对用的少一些，也只是大概了解。
网上教程总结规则，这里直接拿下来收藏：
非打印字符：
| 字符 | 描述 |
|---|
| cx |
匹配由x指明的控制字符。例如， cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。 |
| f |
匹配一个换页符。等价于 x0c 和 cL。 |
|
|
匹配一个换行符。等价于 x0a 和 cJ。 |
|
|
匹配一个回车符。等价于 x0d 和 cM。 |
| s |
匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ f
v]。注意 Unicode 正则表达式会匹配全角空格符。 |
| S |
匹配任何非空白字符。等价于 [^ f
v]。 |
| |
匹配一个制表符。等价于 x09 和 cI。 |
| v |
匹配一个垂直制表符。等价于 x0b 和 cK。 |
特殊字符：
| 别字符 | 描述 |
|---|
| $ |
匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '
' 或 '
'。要匹配 $ 字符本身，请使用 $。 |
| ( ) |
标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 ( 和 )。 |
| * |
匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 *。 |
| + |
匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 +。 |
| . |
匹配除换行符
之外的任何单字符。要匹配 . ，请使用 . 。 |
| [ |
标记一个中括号表达式的开始。要匹配 [，请使用 [。 |
| ? |
匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 ?。 |
|
将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'
' 匹配换行符。序列 '\' 匹配 ""，而 '(' 则匹配 "("。 |
| ^ |
匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 ^。 |
| { |
标记限定符表达式的开始。要匹配 {，请使用 {。 |
| | |
指明两项之间的一个选择。要匹配 |，请使用 |。 |
限定字符：
| 字符 | 描述 |
|---|
| * |
匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
| + |
匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 |
| ? |
匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。 |
| {n} |
n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 |
| {n,} |
n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。 |
| {n,m} |
m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。 |