python爬虫的几种数据提取方式：正则 ，bs4，pyquery，xpath，cssselector。
一，正则
提取数据步骤：创建正则对象-->匹配查找-->提取数据保存
<html> <div><a href='www.baidu.com'>正则</a></div> <div>111111</div> <div><a href='www.baidu1.com'>正则1</a></div> <div>222222</div> <div><a href='www.baidu2.com'>正则2</a></div> <div>333333</div> <div><a href='www.baidu3.com'>正则3</a></div> <div>444444</div> </html>
例：提取所有a标签的文本
pattern = re.compile(r'<a.*?>(.*?)</a>', re.S)
a_text = re.findall(pattern, html)
知识点：
findall 返回的结果是列表套元组的形式
而search一般要加group(), groups(),
re.S 可以将正则的搜索域不再是一行，而是整个HTML字符串
文章来源: 爬虫的几种数据提取方式