正则表达式

1、什么是正则表达式

正则表达式是一种用于匹配和处理文本模式的工具。

它提供了一种灵活且强大的方式来搜索、替换和提取文本中的特定模式。

下面是一些正则表达式的基本概念和常用符号：

1. 字面值字符：正则表达式中的大部分字符都是字面值字符，它们表示自身。例如，a 匹配字符 “a”。
2. 字符类：使用方括号 [] 来定义字符类，表示匹配其中的任意一个字符。例如，[abc] 匹配字符 “a”、”b” 或 “c”。
3. 转义字符：使用反斜杠 \ 来转义特殊字符，使其失去特殊含义。例如，\. 匹配字符 “.”。
4. 元字符：元字符是具有特殊含义的字符。例如，. 匹配任意字符（除了换行符），^ 匹配字符串的开头，$ 匹配字符串的结尾。
5. 量词：量词用于指定模式的重复次数。例如，* 匹配前面的模式零次或多次，+ 匹配前面的模式一次或多次，? 匹配前面的模式零次或一次，{n} 匹配前面的模式恰好 n 次。
6. 捕获组：使用圆括号 () 来创建捕获组，用于提取匹配的部分。例如，(ab)+ 匹配连续出现的 “ab”，并将其作为一个捕获组。

2、正则表达式的使用

正则表达式的使用通常涉及以下几个步骤：

1. 编译正则表达式：使用编程语言的正则表达式库，将字符串形式的正则表达式编译为一个正则表达式对象。

2. 匹配模式：使用正则表达式对象的匹配方法，对目标文本进行匹配。常见的匹配方法包括 match()、search()、findall() 等。

3. 获取匹配结果：根据匹配方法的返回结果，获取匹配到的内容。例如，可以获取匹配到的字符串、捕获组的内容等。

4. 进一步处理：根据需要，可以对匹配到的内容进行进一步处理，例如替换、提取特定信息等。

在你提供的代码中，使用了正则表达式来匹配链接的格式。具体来说，re.match(pattern, href) 使用给定的正则表达式模式 pattern 对 href 进行匹配。如果匹配成功，则将该链接添加到 URL 管理器中。