Python数据采集1-BeautifulSoup

1.网络数据采集是一种通过多种手段收集网络数据的方式。最常用的方法是写一个自动化程序向网络服务器请求数据（通常是用HTML表单或其他网页文件），然后是对数据进行解析，提取所需要的信息。
2.网络爬虫工作流程：
（1）通过网站域名获取HTML数据；
（2）根据目标信息解析数据；
（3）存储目标信息；
（4）如有必要，转到另一个页面重复上述过程。
3.正则表达式：
（1）正则字符串：任意可以用一系列线性规则构成的字符串。
（2）规则：字母“a”至少出现一次；后面跟着字母“b”重复5次；后面再跟字母“c”重复任意偶数次；最后一位是字母“d”，也可以没有。
可以写成如下的正则表达式：aa*bbbbb(cc)*(d| )
（3）例：邮箱地址识别的完整正则表达式：[A-Za-z0-9._+]+@[A-Za-z]+.(com|edu|org|net)