纯小白爬虫篇-以学促学

前言：应当算是新人文档，“白嫖”了很久的 CSDN 各位大佬，决定给后来的人留点什么，也给自己留下些什么

---

前言

提示：这里是本文要记录的大概内容：

学习这项技术的 “初衷” 是为了满足一些个人需求，很多优美的文章，很多优质的视频，很多有用的帖子，因为各种不可抗拒因素，时常会被下架，删除，或者作者想退坑等等，因此决定对自己进行定制学习。

---

提示：以下是本篇文章正文内容

爬虫 是什么？

网络爬虫（又称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。另外一些不常使用的名字还有蚂蚁、自动索引、模拟程序或者蠕虫。 - - - - - 来自 百度百科

必要信息的学习

数据解析概论

1. re解析 - - - 重点
2. bs4解析
3. xpath解析 -重点
4. pyquery解析
   结果为导向，四种方式混用也可，先考虑能用再考虑性能

---

正则表达式

在线正则表达式测试：

1. OSCHINA（自己用的这个，怎么选随缘）
2. 菜鸟工具

---

元字符 - - 具有固定意义的特殊字符

符号	用法
.	匹配除换行符以外的任意字符
\w	匹配数字或字母或·下划线
\s	匹配任意的空白符(用得少)
\d	匹配数字
\n	匹配一个换行符(用得少)
\t	匹配一个制表符(用得少)
^	匹配字符串的开始
$	匹配字符串的结尾
\W	匹配非数字或字母或下划线
\S	匹配任意的空白符(用得少)
\D	匹配非数字
a|b	匹配字符a或者字符b
( )	匹配括号内的表达式，也表示一个组
[…]	匹配字符组中的字符
[^…]	匹配除字符组中的所有字符

量词 - - 控制前面元字符出现的次数

符号	用法
*	重复零次或更多次 - - 开始和结束算一次，算在匹配的最后面 - - 侧重更多次(结果)
+	重复一次或更多次 - - 侧重更多次(结果)
？	重复零次或一次 - - 侧重一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n次到m次

狡辩：乘法号和加号两个加空格会变成其他样式，MD编辑器还不熟悉，非常抱歉，上下格式不统一

贪婪匹配和惰性匹配

符号	用法
.*	贪婪匹配 - - 尽可能多的匹配结果
.*?	惰性匹配 - - 尽可能少的匹配结果 - → 回溯

总结

MD这玩意真难用，来个图给看客看一下，截图来自这位哥哥的，再说个开心的事情，这个图中间的代码只在刷新的一瞬间显示，感谢各位看到这里。