正则表达式和XPath语句都是用于html上的数据提取操作,XPath相对简单,可以提取大多数的数据,但是如果面对类似html中将代码注释掉的反爬策略时,就必须使用正则表达式了。 正则表达式 以英文字母开头,出现一次。后面的是数字,大小写,出现5到15位,一共6-16位。前面那个1可以省略。 要匹配div标签中的内容。 关闭贪婪模式,这里加了一个?。因为正则表达式是默认匹配尽量多的内容的,关闭贪婪模式,这里就不会加div也匹配进去。 re模块使用 re模块有很多方法,但是爬虫中常用的有提取,匹配和替换。