此學習筆記整理于 Ryan Mitchell Web Scraping with Python- Collecting Data from the Modern Web (2015) Chapter 2 Advanced HTML Parsing
首先說明下我為什么要用這本書，因為這本書并不是入門書籍。那么我是不是小白呢！肯定是，那么為什么不用入門書籍呢？原因在于我之前自學過Python，然后斷了，然后再學，然后再斷。所以就選了這本，硬著來吧。
一，來，說一個函數吧。findAll
findAll(tag, attributes, recursive, text, limit, keywords)?
第一個參數，tag。即上圖中的span，string或者list （string就是文本，list就是列表，都是Python中的單元，可以查下看下就行，不查也行，字面意思，可能有些語法問題，暫時也不用知道吧）
第二個參數，attributes。即上圖中的class=‘red’。dictionary （dictionary就是字典，key和value，即有鍵和值（鍵可以理解為索引），class是鍵，red是值）
第三個參數，recursive。我們打開的html形式的內容類似樹狀結構。如下圖。這個參數就是問你是否要深挖結構，如果不深挖，就是大的樹枝，如果深挖，set it true，就是大樹枝挖完后還要挖大樹枝上面的小樹枝。例如，span下面如果還有一個低層級的span。當然了我也不知道有沒有這樣的結構，只是理解。默認值是True，深挖，畢竟是findAll。
第四個參數，text。作者說不常用，就是找對應的text。可以算出來對應的text在page里面出現了幾次。findAll（text='XX'）
第五個參數，limit，就是找?guī)讉€吧。
第六個參數，keywords.直接上attributes我的理解，class=‘red’。作者說了，一般不用keywords，因為class是Python的保留詞，雖然也可以加一個小橫線class_=‘red’來用，但是也可以用 findAll（“”，{“class”:"red"）來替代findAll（class_='red'）。作者又說了，keywords可以幫我們進一步refine我們的內容，進一步篩選。
findAll是根據名字和屬性attributes來確定tags的。
ok，函數說完。
下面的是如何根據位置來確定需要的tag的。
主要的就是兩點，父子關系，后代和姐妹關系。children & parent,descendants and siblings。
在兄弟姐妹關系上，跳過了第一個，因為是next_siblings.同樣的還有next_sibling。單數的兄弟姐妹
還有就是previous_sibling and previous_siblings。
二，正則表達式
先來一個笑話吧
Let’s say you have a problem, and you decide to solve it with regular expressions. Well, now you have two problems。
但我覺得，既然決定了要學Python，so, the only thing we have to fear is fear itself. 如果有一天我停更了，真是啪啪打臉啊。
舉個栗子
下面有幾個規(guī)則：
1，a至少寫1遍，開頭
2，后面正好跟了5個b
3，后面跟了偶數個c
4，最后d可選結尾。
感覺很直觀吧！ok，rewrite in regular expression. regex
aa*bbbbb(cc)*(d | )
a 一個a
a* 若干個a，從0開始計數
（cc）這樣的組合cc
（cc）* 這樣的如何若干次
d | ?d or nothing
(d | )這樣的組合
完成！
三，結合
需要加載re import re
\. 表示.
\/ 表示/
../img/gifts/imgXX.jpg (XX表示一位數或者兩位數或者多位數）
四，lambda表達式
lambda表達式省去了定義函數的麻煩，直接用！findAll支持lambda表達式，但是！有一個前提，這個lambda的參數是tag，返回值是邏輯值boolean。
舉個栗子
P.S.：沒能上車的小伙伴歡迎留言，如果我會我直接回答你！如果不會，我谷歌后回答你！如果要加我微信，不行。
