摘要：
爬虫的一个重要步骤就是页面解析与数据提取。更多内容请参考： "Python学习指南" 页面解析与数据提取 实际上爬虫一共就四个主要步骤： 1. 定（要知道你准备在哪个范围或者网站去搜索） 2. 爬（将所有的网站的内容全部爬下来） 3. 取（分析数据，去掉对我们没用处的数据） 4. 存（按照我们想要的 阅读全文
摘要：
本篇将介绍python正则表达式，更多内容请参考： "【python正则表达式】" 什么是正则表达式 正则表达式，又称规则表达式，通常被用来检索、替换那些符合某个模式（规则）的文本。 正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串” 阅读全文
摘要：
"Python学习指南" 有同学说，我正则用的不好，处理HTML文档很累，有没有其他的方法？ 有！那就是XPath,我们可以用先将HTML文档转换成XML文档，然后用XPath查找HTML节点或元素。 什么是XML + XML指可扩展标记语言(Extensible Markup Language) 阅读全文