Datewhale组队学习-爬虫task02学习笔记

requests库真香！现在打开ipython习惯输入“import requests”，仿佛requests在手，互联网有求必应！
不过，我还需要一把筛子，沙里淘金。
奉上三大名筛，bs4、xpath、re！

bs4

我打算挑战下清华大学 ……的网页，requests.get一试，返回200，清华果然就是清华，拥抱开源的清华！拿来练手再好不过
链接: 清华大学新闻网.

先定个小目标，把清华大学的综合新闻抓过来。

解析页面，自从学了DOM后，花花绿绿的div、li、class再也阻挡不了我抓抓抓了。
其实一开始使用bs4挺纠结的，网上评论bs4很简单，可是一搜BeautifulSoup的用法，都是长这样的

我耐着性子读完了，可是却不知怎么用。咋办？打开Datawhale助教的笔记，模仿一段代码，哈哈讲了这么多原来就是这么用啊！万能用法，找到class=’********’， soup.find(class_=’*******’)，神奇的事情出现了。python好啊，很多时候感觉对的，写出来就是对的，不想某++，感觉对的，写出来不对，感觉不对的，写出来也不对。于是，琢磨着，我仿佛可以写出爬取清华大学的七种用法。

浮夸了浮夸了，其实都是一个意思。

Xpath

上节课已经用过Xpath，没学会bs4之前觉得xpath天下无敌，学会bs4之后才明白re天下无敌。

Re

只要功夫深，re一定能学会！
附上简约版re速记手册，加油！

. - Any Character Except New Line
\d - Digit (0-9)
\D - Not a Digit (0-9)
\w - Word Character (a-z, A-Z, 0-9, _)
\W - Not a Word Character
\s - Whitespace (space, tab, newline)
\S - Not Whitespace (space, tab, newline)

\b - Word Boundary
\B - Not a Word Boundary
^ - Beginning of a String
$ - End of a String

[] - Matches Characters in brackets
[^ ] - Matches Characters NOT in brackets
| - Either Or
( ) - Group

Quantifiers:

•   - 0 or More
  

•   - 1 or More
  

? - 0 or One
{3} - Exact Number
{3,4} - Range of Numbers (Minimum, Maximum)

Sample Regexs

[a-zA-Z0-9_.±][e-mail][a-zA-Z0-9-]+.[a-zA-Z0-9-.]+