在我们已经可以将网页资源下载到本地后，就可以进行我们的第二部操作了，即将网页中我们需要的资源进行解析（上一节的selenium中也有提及）。本篇内容总结了其他三种常用的解析网页方式。
一、正则表达式
正则表达式是最常用的解析字符串的方法，它通过定义了一系列的正则字符来代表一些特殊的含义。
标识符描述标识符描述.匹配任意字符，除了换行符\s匹配空白字符*匹配前一个字符0次或多次\S匹配任何非空白字符+匹配前一个字符1次或多次\d匹配数字，等价于[0-9]？匹配前一个字符0次或1次\D匹配任何非数字，等价于[^0-9]^匹配字符串开头\w匹配字母数字，等价于[A-Za-z0-9_]$匹配字符串末尾\W匹配非字母数字，等价于[^A-Za-z0-9_]()匹配括号内的表达式，也表示一个组[]用来表示一组字符
python3自带了正则匹配函数库，直接引用即可
import re
re库中有很多匹配函数，常用的是match、search和findall方法
'''
match方法从字符串起始位置匹配一个模式，如果从起始位置匹配不到就返回none
pattern是正则表达式、string是待匹配的字符串、flags是匹配模式
'''
re.match(pattern, string, flags=0)
# search方法将扫描整个字符串，并返回第一个成功的匹配
re.search(pattern, string, flags=0)
# findall方法可以找到所有的匹配项，以列表的形式返回
re.findall(pattern, string, flags=0)
二、BeautifulSoup解析
BeautifulSoup可以从HTML和XML文件中提取数据，它可以通过解析文档为用户提供需要抓取的数据。
首先需要安装BeautifulSoup库
pip install bs4
BeautifSoup中使用了几种解析器，其中最常用也是比较好用的就是lxml解析库，一般推荐使用
from bs4 import BeautifulSoup
# 获取网页资源
......
r = request(...)
# BeautifulSoup将网页响应体的字符串转化成soup对象，再利用soup自带的库函数进行解析
soup = BeautifulSoup(r.text,"lxml")
# 寻找目标
content = soup.find("标签名称", class_="类名称").text.strip()
# strip是去除字符串两边空白符，find()也可以换成find_all()来表示所有的结果
事实上，soup对象是一个树结构，每一个结点都是一个python对象，获取网页的内容就是一个提取对象内容的过程。具体方法有三种：遍历文档树、搜索文档树和CSS选择器
其中遍历文档树的方法并不是很常用，主要还是剩下两种方式用的比较多。而搜索文档树主要就是用find和findall两种方法进行搜素，这里不再多提。主要说一下CSS选择器方法
使用CSS选择器方法相对较灵活，主要通过select方法实现
soup.select("header h1")
soup.select("header > h1")
其中select方法也支持使用正则表达式的搜索方式
soup.select('a[href^="http:...."]')
# 搜索指定的标签
三、使用lxml解析网页
最后我们简单了解一下lxml解析库，他使用了C语言编写，也是一种效率比较高的解析方法，速度比不用lxml解析器的BeautifulSoup快一些。
首先lxml也是需要安装的
pip install lxml
其次，lxml提取网页代码数据也有三种方式：XPath选择器、CSS选择器和BeautifulSoup的find()方法。由于后两种方法和BeautifulSoup方法相差不多，所以这里主要介绍一下XPath选择器
from lxml import etree
# 获取网页资源
r = request.get(.....)
html = etree.HTML(r.text)
content = html.xpath('//h1[@class="classname"]/a/text()')
print(content)
这里使用了xpath语法来选择需要的内容。其中“//h1”代表选取所有