昨天爬取了丁香園的實時更新的動態資訊，但是裡面有好多對專案無關的資訊（如下圖），所以就要進行資料的清洗，
想到了python的正規表示式，就對正規表示式進行了學習，現進行如下總結：
首先，python中的正規表示式大致分為以下幾部分：
一、元字元 （個人感覺常用到的）
. 匹配任意字元（不包括換行符）
^ 匹配開始位置，多行模式下匹配每一行的開始
$ 匹配結束位置，多行模式下匹配每一行的結束
* 匹配前乙個元字元0到多次
+ 匹配前乙個元字元1到多次
? 匹配前乙個元字元0到1次
匹配前乙個元字元m到n次
\\ 轉義字元，跟在其後的字元將失去作為特殊元字元的含義，例如\\.只能匹配.，不能再匹配任意字元
字符集，乙個字元的集合，可匹配其中任意乙個字元
| 邏輯表示式 或 ，比如 a|b 代表可匹配 a 或者 b
(...) 分組，預設為捕獲，即被分組的內容可以被單獨取出，預設每個分組有個索引，從 1 開始，按照"("的順序決定索引值
\d 匹配乙個數字， 相當於 [0-9]
\d 匹配非數字,相當於 [^0-9]
\w 匹配數字、字母、下劃線中任意乙個字元， 相當於 [a-za-z0-9_]
\w 匹配非數字、字母、下劃線中的任意字元，相當於 [^a-za-z0-9_]
二、模式（我感覺常用到的）
i ignorecase， 忽略大小寫的匹配模式
1 str = 's dotall，此模式下 '.' 的匹配不受限制，可匹配任何字元，包括換行符i love china!'2
3 regex = re.compile("
i love china!
", re.i)
4print
regex.match(str).group()5#
output> 'i love china'
x verbose，冗餘模式， 此模式忽略正規表示式中的空白和#號的注釋，例如寫乙個匹配郵箱的正規表示式
1 email = re.compile("
[\w+\.]+@[a-za-z\d]+\.(com|cn)")
23 email = re.compile("""
[\w+\.]+ # 匹配@符前的部分
4@ # @符
5[a-za-z\d]+ # 郵箱類別
6\.(com|cn) # 郵箱字尾
""", re.x)7#
上面兩種表示式效果相同
三、函式（常用的）
re.match函式，re.match 嘗試從字串的起始位置匹配乙個模式，如果不是起始位置匹配成功的話，match()就返回none，用group(num) 或 groups() 匹配物件函式來獲取匹配表示式。
re.search方法，re.search 掃瞄整個字串並返回第乙個成功的匹配，用group(num) 或 groups() 匹配物件函式來獲取匹配表示式。
上述二者的區別：re.match只匹配字串的開始，如果字串開始不符合正規表示式，則匹配失敗，函式返回none；而re.search匹配整個字串，直到找到乙個匹配。
findall，在字串中找到正規表示式所匹配的所有子串，並返回乙個列表，如果沒有找到匹配的，則返回空列表。（感覺用的最多）
re.compile 函式，compile 函式用於編譯正規表示式，生成乙個正規表示式（ pattern ）物件，供 match() 和 search() 這兩個函式使用。
四、正規表示式物件
re.regexobject
re.compile() 返回 regexobject 物件。
re.matchobject
這就是正規表示式的學習情況，但是最後的結果不盡人意，有好多的資料無法清洗出來，所以決定更換資料來源，在進行爬取
2月17日 寒假進度017
上午起床之後和媽媽去超市買菜，回來做了餡餅，嘎嘎嘎嘎，好吃，太好吃了！下午把昨天爬的訓練集整合到一起，然後重新訓練了文字分類的模型，但最後出來的結果不理想，準確率不夠高，甚至有點低 不過我訓練集只有17萬多，可能不夠，正在考慮換個演算法，之前用的邏輯回歸，現在也想用snownlp試試，情感分析的訓練...
寒假學習總結
一曲新詞酒一杯，去年天氣舊亭台。夕陽西下幾時回？無可奈何花落去，似曾相識燕歸來。小園香徑獨徘徊。晏殊的 浣溪紗 時間飛快，眼一閉一睜，寒假的學習就接近了尾聲。計算機方面 這個寒假主要是為了學習三層，而用vb.net重構了一回機房收費系統。之前用了vb實現了這個系統，當時沒有想過什麼三層之類的，所以在...
寒假學習總結
寒假學習總結 今天已經是二月的最後一天了，開學已經兩天了。在過去的乙個寒假，雖然時間短暫，但多少有些收穫，現在對這個寒假的學習生活來乙個小小的總結。在寒假中，主要學習的是有關acm的一些必須的演算法。同時也在刷刷題，練習練習自己的程式設計能力，美其名曰 積累 量。在寒假中，學習了基本的一些搜尋演算法...