Python网络爬虫四大选择器（正则表达式、BS4、Xpath、CSS）总结
如果你的爬虫瓶颈是下载网页，而不是抽取数据的话，那么使用较慢的方法（如BeautifulSoup） 也不成问题。如果只需抓取少量数据，并且想要避免额外依赖的话，那么正则表达式可能更加适合。
通常情况下，lxml(该模块可以实现xpath和css)是抓取数据的最好选择，这是因为该方法既快速又健壮，而正则表达式和BeautifulSoup只在某些特定场景下有用。
1、获取网页
2、解析数据
---------------------------------------------------------------------------------
import requests
from lxml import etree
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36'}
r = requests.get('https://www.zhihu.com/question/68584669/answer/265070848',headers=headers)
s = etree.HTML(r.text)
# 获取问题内容
q_content = s.xpath('//*[@class="QuestionHeader-title"]/text()')[0]
# 获取关注数和浏览量，这两个属性一样
q_number = s.xpath('//*[@class="NumberBoard-itemValue"]/text()')
concern_num = q_number[0]
browing_num = q_number[1]
print('问题:',q_content,'\n','关注数:',concern_num,'\n','浏览量:',browing_num)
----------------------------------------------------------------------------
问题: 行人重识别（re-ID）与跟踪（tracking）有什么区别？
关注数: 535
浏览量: 68,555
爬虫网络请求方式：urllib、 requests， scrapy(框架）、 pyspider(框架)爬虫数据提取方式：正则表达式, bs4, lxml, xpath, cssPython网络爬虫四大选择器（正则表达式、BS4、Xpath、CSS）总结如果你的爬虫瓶颈是下载网页，而不是抽取数据的话，那么使用较慢的方法（如BeautifulSoup） 也不成问题。如果只需抓取少量数据，并且想要避免额外依赖的话，那么正则表达式可能更加适合。通常情况下，lxml(该模块可以实现xpath和css)是抓取数
栈溢出是由于C语言系列没有内置检查机制来确保复制到缓冲区的数据不得大于缓冲区的大小，
因此当这个数据足够大的时候，将会溢出缓冲区的范围。
在Python中，函数调用是通过栈（stack）这种数据结构实现的，
每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。
由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。...
刚刚遇到了一个很诡异的问题，就是用pyechart作图，结果发现同样的代码，之前可以成功运行在浏览器中显示正确的代码，但是在修改了一番之后由改回原来的代码，重新在浏览器中打开这个html文件的时候，却显示一篇空白，后来百度了之后找到了答案，原来是在生成的html文件中，印用了 ，这样就可以实现在本地引用这个文件了。
# A fatal error has been detected by the Java Runtime Environment:
# SIGSEGV (0xb) at pc=0x00007ff64cea7bdd, pid=8645, tid=140693552637696
# JRE version: Java(TM) SE Runtime Environm...
可以使用 Python 中的第三方库 BeautifulSoup 来解析 HTML 页面。它是一个功能强大的库，可以帮助我们轻松地从 HTML 页面中提取数据。
下面是一个简单的示例代码，用于解析一个简单的 HTML 页面：
```python
from bs4 import BeautifulSoup
import requests
# 发送 HTTP 请求获取 HTML 页面
url = 'https://www.example.com'
response = requests.get(url)
# 解析 HTML 页面
soup = BeautifulSoup(response.text, 'html.parser')
# 打印页面标题
print(soup.title.text)
# 打印所有链接
for link in soup.find_all('a'):
print(link.get('href'))
在这个示例中，我们首先使用 requests 库发送 HTTP 请求来获取 HTML 页面。然后，我们使用 BeautifulSoup 库将 HTML 页面解析为一个 BeautifulSoup 对象。最后，我们使用 BeautifulSoup 对象来提取页面标题和所有链接。
需要注意的是，这个示例只是一个简单的演示，实际的 HTML 页面可能会更加复杂，需要根据具体情况进行处理。
