python爬虫—hello world！

• 编辑器
  嗯，首先关于编辑python文件的工具，我因为怕麻烦，目前还在用Notepad++, 缺点就是提示功能比较弱，尤其如果是visual studio用得多了，那种随时有人给你纠错的感觉真不是一般的好呀。python对于空格之类的很敏感。

if result1:
print(result1.group())
else:
    print('1匹配失败！')

（这是一个不完整的程序，举个例子）
比如这样一个语句，如果print之前没有tab，程序运行后就会报错：

所以如果看到这种错误，就该检查一下自己的程序是不是不规范。
用Notepad++这种提示功能比较弱的编辑器也许就是能锻炼出更规范的程序书写。

如果实在没有办法忍受，推荐在Windows下面用PyCharm。当然，还有很多其他的http://www.oschina.net/news/57468/best-python-ide-for-developers，希望大家都能找到中意的那一款~~~

• Hello world

from urllib import request

print("hello world")
response=request.urlopen('https://api.douban.com/v2/book/2129650')
print(response.read())

在这个hello world 里面我们可以感受一下第一次爬出一个网页的喜悦

• 抓取网页内容
  抓取网页内容很大程度上是匹配的思想，就是你打开一个网页，F12 一下，总能看到一堆英文里面包裹着你想要的东西
  

所以，我们要做的就是给出 “我们想得到的内容” 所处的上下文环境，来匹配出它们。

就比如在这一段里面，我们如果要找出汉字的部分，是不是只要定位出英文的部分，就能从其中挖出汉字。

<span class="title">************</span>

***所带表的就是我们希望得到的 勿忘石挥！他这一辈子，认真地活过，清醒地活过。
（这个就是传说中的正则表达式的通俗理解，在我看来，正则表达是一个爬虫的灵魂，后面会有很多例子，慢慢就能感受到）
所以，学习一下match的用法吧~

# -*- coding: utf-8 -*-
#导入re模块
import re

# 将正则表达式编译成Pattern对象，注意hello前面的r的意思是“原生字符串”
pattern = re.compile(r'hello')

# 使用re.match匹配文本，获得匹配结果，无法匹配时将返回None
result1 = re.match(pattern,'hello')
result2 = re.match(pattern,'helloo ZH!')
result3 = re.match(pattern,'helo ZH!')
result4 = re.match(pattern,'hello ZH!')

#如果1匹配成功
if result1:
    # 使用Match获得分组信息
print(result1.group())
else:
    print('1匹配失败！')


#如果2匹配成功
if result2:
    # 使用Match获得分组信息
    print(result2.group())
else:
    print('2匹配失败！')


#如果3匹配成功
if result3:
    # 使用Match获得分组信息
    print(result3.group())
else:
    print('3匹配失败！')

#如果4匹配成功
if result4:
    # 使用Match获得分组信息
    print(result4.group())
else:
    print('4匹配失败！')

下一章，我们就正式进入完整的初级爬虫程序