python简单爬虫示例
网页爬虫其实是一件很有意思的事情，对于我之前写过的爬虫，主要都是用urllib2、BeautifulSoup实现快速简单的爬虫代码，scrapy也偶尔写过。最近因为像提升自己的爬虫水平，就顺便做个爬虫学习记录。
一、正则表达式
正则表达式是一个很强大的工具了，众多的语法规则，我在爬虫中常用的有：（图1）
常用的方法有：find_all()，search()，sub()
二、urllib和urllib2
urllib和urllib2库是学习Python爬虫最基本的库，利用该库，我们可以得到网页的内容，同时，可以结合正则对这些内容提取分析，得到真正想要的结果。
在此将urllib和urllib2结合正则爬取了糗事百科中的作者点赞数内容。
三、BeautifulSoup
BeautifulSoup是Python的一个库，最主要的功能是从网页抓取数据，官方介绍是这样的：
Beautiful Soup 提供一些简单的、python 式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱,通过解析文档为用户提供需要抓取的数据,因为简单,所以不需要多少代码就可以写出一个完整的应用程序。
Beautiful Soup 自动将输入文档转换为 Unicode 编码,输出文档转换为 utf-8 编码。你不需要考虑编码方式,除非文档没有指定一个编码方式,这时,Beautiful Soup 就不能自动识别编码方式了。然后,你仅仅需要说明一下原始编码方式就可以了。
Beautiful Soup 已成为和 lxml、html6lib 一样出色的 python 解释器,为用户灵活地提供不同的解析策略或强劲的速度。
首先：爬取百科Python词条下相关的100个页面，爬取的页面值自己设定。
代码运行：（图2）
巩固篇，依据图书的标签得到一个书单，同样使用BeautifulSoup。
运行结果：（图3）
以上就是今天学习的一些内容，爬虫真的很有意思啊，明天继续学scrapy!
