每日10行代码16：爬取人民日报的某篇文章正文

准备进行一个小项目，爬取人民日报一些文章，用来好好学习及分析下人民日报的用词，领会下中央精神~~。

import requests
import re
from bs4 import BeautifulSoup

url = r"http://paper.people.com.cn/rmrb/html/2020-09/11/nw.D110000renmrb_20200911_1-01.htm"
res = requests.get(url)
res.encoding = "utf-8"     # 以utf-8的编码格式来解析网页

pat = r'<!--enpcontent-->(.*)<!--/enpcontent-->'
wz = re.search(pat, res.text)
print(wz.group(1))

输出结果：

<P>　　中国人均水资源量是世界人均的1/4，而西海固，又是全………句号。</p>

几点说明：

1. 为什么引用了BeautifulSoup却没有用？ 本来是准备用的，结果发现用不上，查看源代码发现文章的内容直接放在<!--enpcontent--> <!--/enpcontent-->这对标签里面，所以可以用正则表达式查找。
2. 为什么输出的文章里带有p标签？ 因为p标签可以保存文章的段落信息，方便以后展示。
3. 为什么要用wz.group(1)? 因为我要获得括号里的分组，group(0)是匹配上的完整字符串。

写这篇文章是因为看到https://blog.csdn.net/wenxuhonghe/article/details/90047081 这个文章，我也想自己试下，所以决定暂时不看作者的编码，自己尝试下，最后再与他的实现做个对比。