小白做爬虫，爬虫四步曲

1. 获取网页
   python有许多库来帮助我们获取网页，如urllib、requests等 ，这些库帮助我们实现HTTP请求操作，我们只需要解析数据结构中的Body部分即可。

2. 提取信息（解析信息）
   一种方法是采用正则表达式，当然该法易出错；
   一种方法是根据网页结点属性、CSS选择器或XPath来提取网页信息，这一方法有专门的库如BeautifulSoup、pyquery、lxml等 。

3. 保存数据
   保存形式可以多样，可以是TXT，也可以是EXCEL，还可以是JSON，还可以写到数据库中。（我的目标 是形成EXCEL，以便 发日报 使用。）

4. 自动化程序
   让爬虫代替人自动地快速大量爬取数据，即它在爬取时可以进行各种异常处理，错误重试等 操作。