1.注册中国大学MOOC
2.选择北京理工大学嵩天老师的《Python网络爬虫与信息提取》MOOC课程
3.学习完成第0周至第4周的课程内容，并完成各周作业
4.提供图片或网站显示的学习进度，证明学习的过程
5.写一篇不少于1000字的学习笔记，谈一下学习的体会和收获。
第一周笔记：
Python网络爬虫与信息提取：
内容分为：
Requests：自动爬取HTML页面自动网络请求提交
Robots.txt：网络爬虫排除标准
Beautiful Soup：解析HTML页面
Projects：实战项目A/B
Re：正则表达式详解提取页面关键信息
Scrapy：网络爬虫原理介绍，专业爬虫框架介绍
用管理员身份运行cm,执行pip install requests；
Requests库的2个重要对象：request，response，response对象包含爬虫返回的内容了解及使用。
HTTP协议及Requests库方法：
Requests库的7个主要方法：
requests.request():构造一个请求，支撑以下各方法的基础方法
requests.get():获取HTML网页的主要方法，对应HTTP的GET
requests.head():获取HTML网页头信息的方法，对应于HTTP的HEAD
requests.post():向HTML网页提交POST请求的方法，对应于HTTP的POST
requests.put():向HTML网页提交PUT请求的方法，对应于HTTP的PUT
requests.patch():向HTML网页提交局部修改请求，对应于HTTP的PATCH
requests.delete():向HTML页面提交删除请求，对应于HTTP的DELETE
第二周笔记：
对BeautifulSoup库进行安装，以管理员运行cmd，执行pip install beautifulsoup4.
Beautifulsoup是解析，边历，维护“标签数”的功能库，beautifulsoup类的基本元素：
Tag(标签，最基本的信息组织单元，分别用<>和标明开头和结尾。任何存在于HTML语法中的标签都可以用soup.
Attributes(标签的属性，字典的形式组织，格式：
Name（标签的名字， ...
NavigableString(标签内非属性字符串，<>...中字符串，格式：
Comment（标签内字符串的注释部分，一种特殊的Comment类型）；
基于bs4库的HTML内容遍历：
回顾HTML，<>...构成了所属关系，形成了标签的树形结构；
标签树的下行遍历：
.contents：子节点的列表，将
.children:子节点的选代类型，与.contents类似，用于循环遍历儿子节点。
.descendants:子孙节点的选代类型，包含所有子孙节点，用于循环遍历。
Beautifulsoup类型是标签树的根节点
标签树的上行遍历：
.parent:节点的父亲标签；
.parents:节点先辈标签的选代类型，用于循环遍历先辈节点；
遍历所有先辈节点，包括soup本身，所以要区别判断；
标签树的平行遍历：
.next_sibling:返回按照HTML文本顺序的下一个平行节点标签
.previous_sibling:返回按照HTML文本顺序的上一个平行节点标签
.next_siblings:选代类型，返回按照HTML文本顺序的后续所有平行节点标签
.previous_siblings:选代类型，返回按照HTML文本顺序的前续所有平行节点标签
平行遍历发生在同一个父节点下的各节点间；
第三周：
Re库：
正则表达式：是用来简洁表达一组字符串的表达式；是一种通用的字符串表达框架；进一步，正则表达式是一种针对字符串表达“简洁”和“特征”思想的工具，可以用来判断某字符串的特征归属。
对Re库的主要功能函数(search、match、findall、finditer、sub)进行了解和使用，Re库的函数式法为一次性操作，还有一种为面向对象法，通过compile生成的regex对象。
第四周：
应用Scrapy爬虫框架主要是编写配置型代码：
进入工程目录，执行scrapy genapider demo pyth
该命令作用：
(1)生成一个名称为demo的spider
(2)在spiders目录下增加代码文件demo.py（该命令仅用于生成demo.py，该文件也可以手工生成）
运行爬虫，获取网页命令：scrapy crawl demo
yield关键字的使用：
包含yield语句的函数是一个生成器，生成器每次产生一个值（yield），函数被冻结，被唤醒后再产生一个值，生成器是一个不断产生值得函数。