页面解析与数据提取
实际上爬虫一共就四个主要步骤：
以前学的就是如何从网站去爬数据，而爬下来的数据却没做分析，现在，就开始对数据做一些分析。
数据，可分为非结构化数据和结构化数据
非结构化的数据处理
文本、电话号码、邮箱地址
- 正则表达式Python正则表达式
HTML文件
- 正则表达式
- XPath
- CSS选择器
结构化的数据处理
JSON文件
- JSON Path
- 转化为Python类型进行操作（json类）
XML文件
- 转化为Python类型（xmltodict）
- XPath
- CSS选择器
- 正则表达式