Python分布式爬虫前菜(2):关于提取网页源码中特定信息的技巧

前面介绍了不一样方法来获取静态和动态各种网页源码，但是咱们知道网页源码是夹杂着各类文字和代码的让人很是眼花缭乱的信息。如何从中提取出有用的信息是一次有意义的爬虫过程当中不可避免的问题。这里咱们须要快速简洁的工具帮咱们完成，其中就有re，BeautifulSoup和XPath等优秀表明。闲话不说，直接进入主题：html （一）re(regular expression operations)，即咱们

>>阅读原文<<