python爬虫之正则表达式

前面介绍了2中利用工具解析HTML代码的方式，接下来咱就介绍一下纯手工解析html的方式，

正则相比于前两种的优点很明显，缺点也很明显

优点：更加灵活，效率更高

缺点：容易出错，调试时间长，

看到这里的应该对正则都有点基本的认识了，如果一些基本的认识都没有的话，出门自己google教程，

和前面一行，现获取html代码

html=urllib2.urlopen(url).read()

之后就是对获取到的代码进行解析了。

这里需要用到一个标准库re

import re 就可以了

str = r’class=”context”>(.*?)’

reg = re.compile(str)

text =re.findall(reg,html)

其中夸好包起来的部分就是需要提取出来的东西，

这里可以理解为标签a的text，

前面的和后面的部分是用来匹配的，

这样就可以很轻松的冲html代码里面获取到我们需要的数据了，