① python 正則表達式 匹配多行聊天記錄的問題。
如果你所指得[任意文字]的意思是1個或1個以上文字得話
你可以試試下面得語句
p = re.compile(u'.*想知道.+\n.+也想知道.+')
否則你只需要將裡面得"+"改為"*"就可以匹配0得情況
也就是下面得語句
p = re.compile(u'.*想知道.*\n.*也想知道.*')
測試代碼如下：
>>>a = u"""我想知道。
..... 我也想知道。"""
>>>p.search(a)
>>><_sre.SRE_Match object at 0x1014d5100>
看了你的問題補充，如果你想要查找出字元串中最後匹配的子字元串的話，我目前沒想到比較好的辦法。
如果一定要用正則的話你可以考慮採用遍歷的方式，也就是匹配所有不含abc的情況。
比如說^a, ^b, ^c, ab^c, a^bc....等等等等。不過這樣以來正則表達式會顯得過於復雜，而且擴展行幾乎為0。
如果可以不用正則，那python本身的庫就能夠實現（可能你嫌處理語句過多或考慮到時間問題而不想用），而且邏輯也較為簡單（我覺得是這樣）。python的string類中自帶有find()和rfind()方法再加上split()方法，合理使用的話應該能找出所有的匹配子字元串。
② 如何用python寫一個簡單的12306搶票軟體
看看這個可以嗎功能：1：全自動爬所有車站列表2：爬所有車站之間的所有車次，過濾重復，保存文件爬過程中保存文件遇到http異常，停止繼續腳本代碼[python]viewplain#coding:utf-8__author__='watsy'#城市對象classcityObject(object):def__init__(self,abbr_pinyin="",full_pinyin="",chinaname="",shortCode=""):self.abbr_pinyin=abbr_pinyinself.full_piyin=full_pinyinself.chinaname=chinanameself.shortCode=shortCode#火車classtrainObject(object):def__init__(self,tid="",code="",start_city="",start_time="",end_city="",end_time="",full_time=""):self.tid=tidself.code=codeself.start_city=start_cityself.start_time=start_timeself.end_city=end_cityself.end_time=end_timeself.full_time=full_timedefget_writestr(self):#return("%s,%s,%s,%s,%s,%s,%s")%(self.tid,self.code,self.start_city.encode('utf-8'),self.start_time,self.end_city.encode('utf-8'),self.end_time,self.full_time)str_return=self.tid+",";str_return+=self.code+",";str_return+=self.start_city+",";str_return+=self.start_time+",";str_return+=self.end_city+",";str_return+=self.end_time+",";str_return+=self.full_time;returnstr_return#火車列表classtrainModel(list):defisExist(self,train):forsub_traininself:ifsub_train.code==train.code:returnTruereturnFalsedefsave(self):train=self[-1]withopen(("%s.txt")%(train.code),"w")aswf:printtrain.get_writestr()wf.write(train.get_writestr().encode('utf-8'))#解析城市defparserCitys(data):parser_citys=[]fororiginal_cityindata:iforiginal_cityandlen(original_city)>1:split_city=original_city.split('|')parser_city=cityObject(split_city[0],split_city[3],split_city[1],split_city[2])parser_citys.append(parser_city)printlen(parser_citys)returnparser_citys#生成url地址defgetBookingTrainListUrl(start_code,end_code,day):strUrl=("/otsquery/query/queryRemanentTicketAction.do?method=queryLeftTicket&")strUrl+=("orderRequest.train_date=%s&")%(day)strUrl+=("orderRequest.from_station_telecode=%s&")%(start_code)strUrl+=("orderRequest.to_station_telecode=%s&")%(end_code)strUrl+=("orderRequest.train_no=&trainPassType=QB&trainClass=QB%23D%23Z%23T%23K%23QT%23&includeStudent=00&seatTypeAndNum=&orderRequest.start_time_str=00%3A00--24%3A00")returnstrUrltrains=trainModel()#解析預定車次列表defparser_booking_str(str_booking):json_book=json.loads(str_booking)datas=json_book['datas']ifdatasandlen(datas)>1:#printdatas.replace("","")trainlist=datas.replace("","").split("\\n")fortrain_strintrainlist:train_str_list=train_str.split(',')iflen(train_str_list)==17:str_id_and_code=train_str_list[1]str_start_city_and_time=train_str_list[2]str_end_city_and_time=train_str_list[3]str_full_time=train_str_list[4]#printstr_id_and_codestr_id=str_id_and_code[13:25]str_code=str_id_and_code[131:-7]#printstr_start_city_and_timeiflen(str_start_city_and_time)>50:str_start_city=str_start_city_and_time[43:-9]else:str_start_city=str_start_city_and_time[0:-9]str_start_time=str_start_city_and_time[-5:]#printstr_end_city_and_timeiflen(str_end_city_and_time)>50:str_end_city=str_end_city_and_time[42:-9]else:str_end_city=str_end_city_and_time[0:-9]str_end_time=str_end_city_and_time[-5:]tobj=trainObject(str_id,str_code,str_start_city,str_start_time,str_end_city,str_end_time,str_full_time)iftrains.isExist(tobj)==False:trains.append(tobj)trains.save()#打開城市列表頁面u=urllib2.urlopen("mon/station_name.js?version=1.40")buffer=u.read()u.close()#獲取列表buffer=buffer[20:-3]unformatter_citys=buffer.split('@')#得到城市parser_citys=parserCitys(unformatter_citys)city_length=len(parser_citys)today=datetime.date.today()torrow=datetime.timedelta(days=1)today=today+torrowday_str=("%s-%02d-%02d")%(today.year,int(today.month),int(today.day))print(day_str)strPath=os.getcwd()os.chdir("%s/train/"%strPath)foriinrange(1,city_length):forjinrange(0,len(parser_citys)-i):try:print("[%d%d]"%(i,j))sleep(0.09)strurl=getBookingTrainListUrl(parser_citys[i].shortCode,parser_citys[j].shortCode,day_str)url_add_header=urllib2.Request(strurl)url_add_header.add_header('X-Requested-With',"XMLHttpRequest")url_add_header.add_header('Referer',"/otsquery/query/queryRemanentTicketAction.do?method=init")url_add_header.add_header('Content-Type','application/x-www-form-urlencoded')url_add_header.add_header('Connection','keep-alive')resp=urllib2.urlopen(url_add_header)urlread=resp.read()resp.close()parser_booking_str(urlread)excepturllib2.HTTPErroraserr:print("error:[%s]url=[%s]")%(err,strurl)exit(1)os.chdir(strPath)printlen(trains)
③ Python：這有可能是最詳細的PIL庫基本概念文章了
PIL有如下幾個模塊：Image模塊、ImageChops模塊、ImageCrackCode模塊、ImageDraw模塊、ImageEnhance模塊、ImageFile模塊、ImageFileIO模塊、ImageFilter模塊、ImageFont模塊、ImageGrab模塊、ImageOps模塊、ImagePath模塊、ImageSequence模塊、ImageStat模塊、ImageTk模塊、ImageWin模塊、PSDraw模塊
啊啊啊啊怎麼這么多模塊啊~~~！！！！
別擔心我為你一一講解
Image模塊提供了一個相同名稱的類，即image類，用於表示PIL圖像。
Image模塊是PIL中最重要的模塊 ，比如創建、打開、顯示、保存圖像等功能，合成、裁剪、濾波等功能，獲取圖像屬性功能，如圖像直方圖、通道數等。
Image模塊的使用如下：
ImageChops模塊包含一些算術圖形操作，這些操作可用於諸多目的，比如圖像特效，圖像組合，演算法繪圖等等，通道操作只用於8點陣圖像。
ImageChops模塊的使用如下：
由於圖像im_p是im的復制過來的，所以它們的差為0，圖像im_diff顯示時為黑圖。
ImageCrackCode模塊允許用戶檢測和測量圖像的各種特性。 這個模塊只存在於PIL Plus包中。
因為我目前安裝的PIL中沒有包含這個模塊。所以就不詳細介紹了
ImageDraw模塊為image對象提供了基本的圖形處理功能。 例如，它可以創建新圖像，注釋或潤飾已存在圖像，為web應用實時產生各種圖形。
ImageDraw模塊的使用如下：
在del draw前後顯示出來的圖像im是完全一樣的，都是在原有圖像上畫了兩條對角線。
原諒我的報錯
ImageEnhance模塊包括一些用於圖像增強的類。它們分別為 Color類、Brightness類、Contrast類和Sharpness類。
ImageEnhance模塊的使用如下：
圖像im0的亮度為圖像im的一半。
ImageFile模塊為圖像打開和保存功能提供了相關支持功能。另外，它提供了一個Parser類，這個類可以一塊一塊地對一張圖像進行解碼（例如，網路聯接中接收一張圖像）。這個類的介面與標準的sgmllib和xmllib模塊的介面一樣。
ImageFile模塊的使用如下：
因為所打開圖像大小大於1024個byte，所以報錯：圖像不完整。
所以大家想看的可以自行去找一個小一點的圖看一下
ImageFileIO模塊用於從一個socket或者其他流設備中讀取一張圖像。 不贊成使用這個模塊。 在新的code中將使用ImageFile模塊的Parser類來代替它。
ImageFilter模塊包括各種濾波器的預定義集合，與Image類的filter方法一起使用。該模塊包含這些圖像增強的濾器：BLUR，CONTOUR，DETAIL，EDGE_ENHANCE，EDGE_ENHANCE_MORE，EMBOSS，FIND_EDGES，SMOOTH，SMOOTH_MORE和SHARPEN。
ImageFilter模塊的使用如下：
ImageFont模塊定義了一個同名的類，即ImageFont類。這個類的實例中存儲著bitmap字體，需要與ImageDraw類的text方法一起使用。
PIL使用自己的字體文件格式存儲bitmap字體。用戶可以使用pilfont工具包將BDF和PCF字體描述器（Xwindow字體格式）轉換為這種格式。
PIL Plus包中才會支持矢量字體。
ImageGrab模塊用於將屏幕上的內容拷貝到一個PIL圖像內存中。 當前的版本只在windows操作系統上可以工作。
ImageGrab模塊的使用如下：
圖像im顯示出筆記本當前的窗口內容，就是類似於截圖的工具
ImageOps模塊包括一些「ready-made」圖像處理操作。 它可以完成直方圖均衡、裁剪、量化、鏡像等操作 。大多數操作只工作在L和RGB圖像上。
ImageOps模塊的使用如下：
圖像im_flip為圖像im垂直方向的鏡像。
ImagePath模塊用於存儲和操作二維向量數據。Path對象將被傳遞到ImageDraw模塊的方法中。
ImagePath模塊的使用如下：
ImageSequence模塊包括一個wrapper類，它為圖像序列中每一幀提供了迭代器。
ImageSequence模塊的使用如下：
後面兩次show()函數調用，分別顯示第1張和第11張圖像。
ImageStat模塊計算一張圖像或者一張圖像的一個區域的全局統計值。
ImageStat模塊的使用如下：
ImageTk模塊用於創建和修改BitmapImage和PhotoImage對象中的Tkinter。
ImageTk模塊的使用如下：
這個是我一直不太懂的有沒有大佬能幫我解決一下在線等~急！
PSDraw模塊為Postscript列印機提供基本的列印支持。用戶可以通過這個模塊列印字體，圖形和圖像。
PIL中所涉及的基本概念有如下幾個： 通道（bands）、模式（mode）、尺寸（size）、坐標系統（coordinate system）、調色板（palette）、信息（info）和濾波器（filters）。
每張圖片都是由一個或者多個數據通道構成。PIL允許在單張圖片中合成相同維數和深度的多個通道。
以RGB圖像為例，每張圖片都是由三個數據通道構成，分別為R、G和B通道。而對於灰度圖像，則只有一個通道。
對於一張圖片的通道數量和名稱，可以通過getbands()方法來獲取。getbands()方法是Image模塊的方法，它會返回一個字元串元組（tuple）。該元組將包括每一個通道的名稱。
Python的元組與列表類似，不同之處在於元組的元素不能修改,元組使用小括弧，列表使用方括弧，元組創建很簡單，只需要在括弧中添加元素，並使用逗號隔開即可。
getbands()方法的使用如下：
圖像的模式定義了圖像的類型和像素的位寬。當前支持如下模式：
1：1位像素，表示黑和白，但是存儲的時候每個像素存儲為8bit。
L：8位像素，表示黑和白。
P：8位像素，使用調色板映射到其他模式。
I：32位整型像素。
F：32位浮點型像素。
RGB：3x8位像素，為真彩色。
RGBA：4x8位像素，有透明通道的真彩色。
CMYK：4x8位像素，顏色分離。
YCbCr：3x8位像素，彩色視頻格式。
PIL也支持一些特殊的模式，包括RGBX（有padding的真彩色）和RGBa（有自左乘alpha的真彩色）。
可以通過mode屬性讀取圖像的模式。其返回值是包括上述模式的字元串。
mode 屬性 的使用如下：
通過size屬性可以獲取圖片的尺寸。這是一個二元組，包含水平和垂直方向上的像素數。
mode屬性的使用如下：
PIL使用笛卡爾像素坐標系統，坐標(0，0)位於左上角。注意：坐標值表示像素的角；位於坐標（0，0）處的像素的中心實際上位於（0.5，0.5）。
坐標經常用於二元組（x，y）。長方形則表示為四元組，前面是左上角坐標。例如：一個覆蓋800x600的像素圖像的長方形表示為（0，0，800，600）。
調色板模式 ("P")使用一個顏色調色板為每個像素定義具體的顏色值
使用info屬性可以為一張圖片添加一些輔助信息。這個是字典對象。載入和保存圖像文件時，多少信息需要處理取決於文件格式。
info屬性的使用如下：
對於將多個輸入像素映射為一個輸出像素的幾何操作，PIL提供了4個不同的采樣濾波器：
NEAREST：最近濾波。 從輸入圖像中選取最近的像素作為輸出像素。它忽略了所有其他的像素。
BILINEAR：雙線性濾波。 在輸入圖像的2x2矩陣上進行線性插值。注意：PIL的當前版本，做下采樣時該濾波器使用了固定輸入模板。
BICUBIC：雙立方濾波。 在輸入圖像的4x4矩陣上進行立方插值。注意：PIL的當前版本，做下采樣時該濾波器使用了固定輸入模板。
ANTIALIAS：平滑濾波。 這是PIL 1.1.3版本中新的濾波器。對所有可以影響輸出像素的輸入像素進行高質量的重采樣濾波，以計算輸出像素值。在當前的PIL版本中，這個濾波器只用於改變尺寸和縮略圖方法。
注意：在當前的PIL版本中，ANTIALIAS濾波器是下采樣 （例如，將一個大的圖像轉換為小圖） 時唯一正確的濾波器。 BILIEAR和BICUBIC濾波器使用固定的輸入模板 ，用於固定比例的幾何變換和上采樣是最好的。Image模塊中的方法resize()和thumbnail()用到了濾波器。
resize()方法的定義為：resize(size, filter=None)=> image
resize()方法的使用如下：
對參數filter不賦值的話，resize()方法默認使用NEAREST濾波器。如果要使用其他濾波器可以通過下面的方法來實現：
thumbnail ()方法的定義為：im.thumbnail(size, filter=None)
thumbnail ()方法的使用如下：
這里需要說明的是，方法thumbnail()需要保持寬高比，對於size=(200,200)的輸入參數，其最終的縮略圖尺寸為(182， 200)。
對參數filter不賦值的話，方法thumbnail()默認使用NEAREST濾波器。如果要使用其他濾波器可以通過下面的方法來實現：
④ 編寫python爬蟲，類搜索引擎的程序是否有意義
最初有一個想法，就是用程序來寫一個類似搜索引擎的爬蟲，然後24小時循環抓取互聯網上盡可能多的網站數據。
接著用這個數據來配合做seo。目前已經完成了24小時不間斷抓取Url部分。主要是用python做的。其他程序也試過。但是效率太低、要麼耗內存。還是python最好。
我的問題是：有沒有python方面經驗豐富的朋友？ 能夠提供一些方向的？ 比如正文提取這一部分，這個有現成的模塊嗎？ 自己寫的話，有點難度。我查過資料，python有爬蟲類的模塊。但是還沒接觸過。希望能有前輩可以指導一下。真的，在此謝過了。
還有就是，想問下做這個東西你覺得有意義嗎？
【回復】
首先要肯定，你做這個開發是很有意義的。我去年的時候用C#開發過一個蜘蛛抓取系統和正文分析系統，雖然比較粗糙，但是也從過程中感悟到了更深刻SEO優化策略。
例如配額的問題，我在家裡自己架伺服器然後一個抓一個分析，一切都是以低費用原則展開的，所以帶寬自然是不充裕的。這個情況下我就深刻的意識到要抓什麼網站，要抓什麼類型的頁面，時間和線程怎麼分配比例，哪些內容是長期不更新的，哪些是具有實時更新意義的等等，通常做SEO的朋友，沒辦法真的換位去思考這些內容，所以只能等著別分享後再去思考，但是大多數分享也是淺嘗則止，具體的細節和原則還是需要自己去摸索和實驗的。
另外當我試圖去分析HTML的時候，就遇到了前所未有的「無限可能」，因為你的思路幾乎是瞬間爆炸了，什麼導航條麵包屑，頁面噪音（代碼層面，內容層面），HTML的標准化（涉及到DOM樹是否正確的解析），H1優化，尋找最大正文段落等等，太多的細節可以去做分析。
其中我做了一個關於頁面噪音的小測試，就是去試圖針對一個網站，通過對比HTML獲得類目框架。目的就是不想亂七八糟的內容影響我分析正文，所以這里要最基礎的去除噪音。這樣一來，周邊零散的代碼就被我視為「低質量的，可忽略的，重要性較低的」的內容。
又例如如何判斷頁面類型呢？列表頁和內容頁？不同的頁面也會影響二次抓取的頻率，因為列表頁很顯然更具備更新能力，而內容頁則相對不更新（主內容框架內不更新，周邊框架內容更新，但意義不大）。所以當搜索什麼「列車時刻」一類的詞，默認列表頁會有更大的機會，而當你搜索知識性內容則內容頁會有更大的可能性。當然這些都是可以通過系統設置的一個「偏重權重」來實現。
總的來說，當你開發一個搜索引擎的時候，哪怕這個搜索引擎再簡單和粗糙，你也會真正的有機會站在搜索引擎的角度去思考SEO，這種思考和感悟是深刻而實際的，遠比盲人摸象更有指導意義。
python中，有三個庫可以解析html文本，HTMLParser,sgmllib,htmllib。但是更推薦你試試BeautifulSoup。
關於正文的提取，不知道你是要所有正文文本的提取，還是最核心的內容的判斷。
如果是提取所有HTML標簽內的文本，那麼解析器遍歷一下，就可以獲得一個清單了。
如果你要獲得一個「相對最重要正文區域」，那麼就需要根據每一個DOM樹中的內容量做一個初步的判斷，當然如果要更准確無誤的判
斷正文，還需要其他很多細節的驗證操作。
順著你的話題，我在擴展一下。
我建議大家有時間可以閱讀有關「方_法_論」方面的書籍，因為通常，我們在一個行業或一個職位上，所關注和處理的工作，都是一個整
體系統中的一個局部，而是否能盡量多的去理解這個整體系統，對我們的控制能力來說，是至關重要的。所以真正要做好SEO，就不能
僅僅追求SEO的技巧，要更多時間去理解搜索引擎。
淘寶也好，亞馬遜（海外）也好，網路也好，都是一個平台，我們無論要做運營，還是SEO，其本質都是充分的獲得平台的資源分配。
這個時候誰能站在平台的角度，誰就有更大的競爭力。這就好比產品經理們常常說的，站在用戶的角度去開發產品。
你做這個事情，整個過程就是一個極其寶貴的學習過程，這樣做的人非常少，你很棒！加油！