请问有哪些长尾关键词可以描述三种网页抓取技术？

本文共计3253个文字，预计阅读时间需要14分钟。

三种抓取数据的方法：

1.正则表达式

2.BeautifulSoup模块

3.强大的lxml模块

+ 正则表达式

+ 如果你对正则表达式还不熟悉，或需要一些提示：

3种抓取其中数据的方法。首先是正则表达式，然后是流行的​​BeautifulSoup​​​模块，最后是强大的​​lxml​​模块。

1　正则表达式

如果你对正则表达式还不熟悉，或是需要一些提示，那么你可以查阅​​docs.python.org/2/howto/regex.html​​获得完整介绍。即使你使用过其他编程语言的正则表达式，我依然推荐你一步一步温习一下Python中正则表达式的写法。

由于每章中都可能构建或使用前面章节的内容，因此我建议你按照类似本书代码库的文件结构进行配置。所有代码都可以从代码库的​​code​​​目录中运行，以便导入工作正常。如果你希望创建一个不同的结构，请注意需要变更所有来自其他章的导入操作（比如下述代码中的​​from chp1.advanced_link_crawler​​）。

当我们使用正则表达式抓取国家（或地区）面积数据时，首先需要尝试匹配``元素中的内容，如下所示。