link_list = re.findall(r"(?<=href=\").+?(?=\")|(?<=href=\').+?(?=\')", html)

 這一句就提出個(gè)七七八八來，當(dāng)然這么粗糙魚目混珠的情況也是少不了的，但是還是非常好用的，
 雖然看起來很復(fù)雜但是只要掌握了(?<)、(?=)、.、+、?這幾種符號(hào)的用法小白覺得就可以解決大部分問題了，
 哦這里還有提一句，正則表達(dá)式似乎不支持嵌套的情形，
 大概形如“找到所有前面三個(gè)字符滿足條件A的字符a,條件A是這三個(gè)字符前面的內(nèi)容滿足條件B”巴拉巴拉，
 好吧感覺說的好亂讓我們暫且跳過這個(gè)話題。提取處理的匹配如果用findall是存儲(chǔ)在列表中的，
 這樣我們就可以在一個(gè)網(wǎng)頁列表中一直加入新找到的鏈接一直重復(fù)爬取，小白這里自認(rèn)為能力有限，
 所以就從提取中的網(wǎng)頁鏈接爬取了100個(gè)網(wǎng)頁做一個(gè)輕裝版。這里提個(gè)醒，由于之前html鏈接提取的很粗糙，
 所以可能把各種形如網(wǎng)頁鏈接的css文件路徑、圖片路徑什么亂七八糟的給爬下來，
 不過我們這里就統(tǒng)一當(dāng)作網(wǎng)頁鏈接在一個(gè)try·except模塊中進(jìn)行connection，
 不是鏈接的就會(huì)出現(xiàn)異常我們只要捕獲跳過就又可以愉快的繼續(xù)了~~。

 有了爬取下來的網(wǎng)頁內(nèi)容下面就應(yīng)該是得到其中真正呈現(xiàn)在網(wǎng)頁中的東西了。
 寫過網(wǎng)頁的同學(xué)們都應(yīng)該知道網(wǎng)頁內(nèi)容一般都在<p><\p>之中，title和鏈接什么的也有對(duì)應(yīng)的標(biāo)簽，
 運(yùn)用正則表單式理論上可以分離出來，不過小白親身時(shí)間發(fā)現(xiàn)只匹配一次效果非常不好，
 匹配的內(nèi)容的確包括想要的內(nèi)容，但是因?yàn)闃?biāo)簽一般都是嵌套的嘛而且小白技術(shù)畢竟也不好正則表達(dá)式可能表述的也有問題，
 所以總是會(huì)將內(nèi)容嵌套在標(biāo)簽中返回，這里就有一個(gè)比較笨的方法供大家參考，咳咳，
 既然一次不能得到，那么就對(duì)內(nèi)容進(jìn)行再匹配，咳咳，經(jīng)過了三層匹配外加一些小技巧終于是勉強(qiáng)匹配出來了，
 這里代碼過于丑陋就不再貼出來了咳咳。