爬虫解析器

一、 正则表达式特殊符号含义

A 匹配规则

1、{}实质也是限定词的用法，限定前面字符所出现的次数，跟在()后面就是限定括号中的内容所出现的次数。一般有三种模式：
{数字}、{数字,}、{数字,数字}

2、竖线 | 实质上就是或（or）的关系

3、[] 其意思是方括号中的字符只要满足其中任何一个就可以。
[^字符]表示取除方括号字符以外所有的字符

4、[\u4E00-\u9FA5] 匹配一个汉字，要是想匹配多个汉字那就在方括号后边加一个加号：[\u4E00-\u9FA5]+
注意：要匹配多个汉字时，汉字之间必须连续，不能有其他字符，如字母、空格，标点等。
5、\w 匹配
借鉴文章：
https://blog.csdn.net/weixin_34235371/article/details/88262507

B 方法

1、match() 从头开始匹配 match('规则', html,re.S)
2、search() 扫描整个字符串，可不从头匹配，但只匹配到第一个符合规则的，search('规则'，html,re.S)
3、findall() 扫描整个字符串，可不从头匹配，匹配到所有符合规则的 findall('规则',html,re.S)
4、sub() 替换 / 去除某些元素 sub('规则'，要去替换的元素，html)
5、complie() 将正则表达式编译成正则表达式对象，以便后面匹配中复用 compile(规则)

二、 BeautifulSoup（from bs4 import BeautifulSoup）

BeautifulSoup(html,'解析器')
（1） BeautifulSoup支持的解析器有：

解析器	使用方法	优势	劣势
python标准库	BeautifulSoup(markup,'html.paeser')	python的内置标准库、执行速度适中、文档容错能力强	python 3.2.2之前版本文档容错能力差
lxml HTML解析器	BeautifulSoup(markup,'lxml')	速度快、文档容错能力强	需要安装C语言库
lxml XML解析器	BeautifulSoup(markup,'xml')	速度快、唯一支持XML的解析器	需要安装C语言库
html5lib	BeautifulSoup(markup,'html5lib')	最好的容错性、以浏览器的方式解析文档、生成HTM5 格式的文档	速度慢、不依赖外部扩展

（2） 方法
find_all(name,strrs) 找出所有符合规则的
find(name,atrrs) 找出第一个符合规则的
CSS选择器select() 找出所有符合规则的 # 推荐使用这个，因为chrome开发者工具能够复制规则。