预：网页的组成
HTML（结构）+css（样式）+javascript（功能）
爬虫主要针对的是HTML和css
HTML：
<div></div>div标签 代表网页中某个区域的框架
<p></p>写文字的内筒
<li>列表
<img>插入图
<a herf=>
1.python中RE的使用
python若想使用re 需要先import re
re自带的两个重要函数：
1.re.findall('',string) 可以用（）将待查找的RE括起来，则只返回（）中的RE
2.
2.python如何通过端口号访问网络
import socket
mysock=socket.socket(socket.AF_INET,socket.SOCK_STREAM)
mysock.connect(('www.',80))
mysock.send('GET http://www.*** HTTP/1.0\n\n')
while True:
data=mysock.recv(512)
if len(data)<1:
break;
print data
mysock.close()
4.coursera读取html
import urllib
fhand=urllib.urlopen('http://www.')
5.用beautiful soup分析HTML