基于前三天的学习，我们知道了浏览器与服务器基于HTTP协议下的工作流程与报文格式（返回值为html文档），并不是我们想要的直观图片，txt等内容。那我们接下来的目标就很简单了，把得到的报文转化成我们想要的内容。
（原理：html文档组成中body标签对是指HTML页面中的<body>标签和</body>标签，这些标签用于包含页面的主要内容，例如文本、图片、视频等。body标签对中的内容会在页面上显示，是网页的核心部分。有时文件内容太大，会指向一个固定存储地址，也需要我们辨别）
即通过我们规定好的提取规则，将HTML文档中的一些特殊资源片段（类似有css，xpath，下载资源地址等）提取出来，这些资源再经过后续处理美化（比如下载，保存，求和，统计等），就可以得到我们最终需要的资源。
这个过程，我们称为创建selector选择器
（注释：这也是整个简单爬虫过程中最难的部分，这里的简单包括两层意思：
1：selector常用的创建方法规则是统一的，无论是re正则，还是XPATH，亦或是Beautiful soup和parse，他们的匹配方法大同小异，一法通万法通
2.我们
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
