正则表达式
在 2.2 节中，我们已经可以用 requests 库来获取网页的源代码，得到 HTML 代码。但我们真正想要的数据是包含在 HTML 代码之中的，要怎样才能从 HTML 代码中获取想要的信息呢?正则表达式就是其中一个有效的方法。
本节我们将了解一下正则表达式的相关用法。正则表达式是用来处理字符串的强大工具，它有自己特定的语法结构，有了它，实现字符串的检索、替换、匹配验证都不在话下。
当然，对于爬虫来说，有了它，从 HTML 里提取想要的信息就非常方便了。
实例引入
说了这么多，可能我们对正则表达式到底是什么还是比较模糊，下面就用几个实例来看一下它的用法。
打开开源中国提供的正则表达式测试工具 http://tool.oschina.net/regex/ 或 https://regex101.com/ ，输入待匹配的文本，然后选择常用的正则表达式，就可以得出相应的匹配结果了。例如，这里输入如下待匹配的文本。
Hello, my phone number is 010-86432100 and email is cqc@cuiqingcai.com, and my website is https://cuiqingcai.com
这段字符串中包含一个电话号码、一个 E-mail 地址和一个 URL，接下来就尝试用正则表达式将这些内容提取出来。
在网页右侧选择 “匹配 Email 地址”，就可以看到下方出现了文本中的 E-mail，如图 2-11 所示。
如果选择 “匹配网址URL”，可以看到下方出现了文本中的 URL，如图 2-12 所示。