爬虫 | 正则表达式提取腾讯教育新闻链接及图片链接

前面的爬虫都是通过标签来爬取的，今天就分享一个小例子使用正则表达式来提取网页信息。如果你对正则表达式不熟悉，可以查看我之前写的R正则表达式这篇文章。它对R几个常用正则表达式进行了详尽的解释，包括参数说明，函数区别，正则表达式转义等都有介绍。

今天通过爬取腾讯教育（http://edu.qq.com/）网页的所有关于教育新闻的链接，另外也爬取图片链接。

提取新闻链接

首先我们来分析一些教育类新闻链接的特点。

"http://edu.qq.com/a/20180509/003811.htm"

最明显的特点就是以http://edu.qq.com/a/开头，以.htm结尾。我们可以根据这个特点来写正则表达式。http://edu.qq.com/a/+[0-9.*]+[/]+[0-9.*]+[.]+htm。

<