正则表达式
以英文字母开头，出现一次。后面的是数字，大小写，出现5到15位，一共6-16位。前面那个1可以省略。
要匹配div标签中的内容。
关闭贪婪模式，这里加了一个？。因为正则表达式是默认匹配尽量多的内容的，关闭贪婪模式，这里就不会加div也匹配进去。
re模块使用
re模块有很多方法，但是爬虫中常用的有提取，匹配和替换。
案例：比如现在有个html文件，要提取它的Email和手机号。
首先，with open打开文件。其次，根据提取的格式，ret=re.findall(正则表达式，提取的字符串)
但是注意，.匹配除了换行符\n外的所有字符，这里面行与行之间是有换行符的。所以要先把\n过滤掉。
实战：提取商城分类结构
给到相应的index.html网址，要求提取出第一章标题以及每章里面哪些课程。先打开文件，然后替换换行符。先看好整体分为两部分，把每一部分提取出来，那么应该是列表里有两个元素。再在for循环遍历下，分别对每一个部分进行提取标题和课程类别的操作。主要就是re.findall,re.sub的操作。定义好正则表达式和要操作的对象就可以了。