爬虫入门经典(二) | 只需一行正则即可爬取某高校就业处通知公告，速进(超简单-。-)_?urltype=tree.treetempurl

  大家好，我是不温卜火，是一名计算机学院大数据专业大三的学生，昵称来源于成语—不温不火，本意是希望自己性情温和。作为一名互联网行业的小白，博主写博客一方面是为了记录自己的学习过程，另一方面是总结自己所犯的错误希望能够帮助到很多和自己一样处于起步阶段的萌新。但由于水平有限，博客中难免会有一些错误出现，有纰漏之处恳请各位大佬不吝赐教！暂时只在csdn这一个平台进行更新，博客主页：https://buwenbuhuo.blog.csdn.net/。

PS：由于现在越来越多的人未经本人同意直接爬取博主本人文章，博主在此特别声明：未经本人允许，禁止转载！！！

---

---

推荐

  ♥各位如果想要交流的话，可以加下QQ交流群：974178910，里面有各种你想要的学习资料。♥

  ♥欢迎大家关注公众号【不温卜火】，关注公众号即可以提前阅读又可以获取各种干货哦，同时公众号每满1024及1024倍数则会抽奖赠送机械键盘一份+IT书籍1份哟~♥

博主前几天带来了一个通过查找百度接口实现翻译单词的小demo，本次将继续带来另一个使用正则的小demo。只需一行正则代码，即可爬取某高校官网通知公告。

一. 前期准备

说要爬取高校，那肯定要爬高校的，要不然就显的本博主言而无信！但是问题来了，要爬取哪个高校呢？不仅能够成功爬取到信息并且只需要一行正则表达式即可提取到相关信息。这可有点难为住博主了，正在这是 博主想到了自己学校，并且找到了自己学校就业处的网站，通过查看网站规则，发现正好符合规则。当然了博主本人的学校为双非院校，只是一所普通本二院校…Hahahaha… 话不多说，正片正式开始:

• 1. 分析网页

首先给出我们要爬取的网址：https://zs.hait.edu.cn/list.jsp?urltype=tree.TreeTempUrl&wbtreeid=1261

我们打开网址以后，页面如上图所示，我们可以看到整个界面上，最多的就是一个又一个的通知公告，那么我们就知道我们需要爬取的内容。下面我们打开开发者选项

通过上图，我们可以看到每一个tr标签对应一个通知公告，这个时候我们打开其中一个tr标签进行查看

打开之后，我们可以看到我们所需要的所有信息都在a标签内，找到了位置，下面我们就可以进行解析实现了。当然了，博主本人还是更喜欢使用xpath进行解析的。

• 2. 解析获取标题

下面先让大家看下xpath解析我们所需要的标题的方法：

怎么样，是不是很简单。但是由于本篇博文是要用正则表达式，所以，博主还是使用正则表达式进行获取标题

上述的正则表达式(.*?)代表获取选中部分的所有内容。

如果有小伙伴对正则表达式有不懂的，可以自行查看下博主给的链接https://www.runoob.com/regexp/regexp-syntax.html
当然了，写好了正则表达式当然需要先测试下能否成功获取到我们所需要的内容，下面给出测试结果：