一、正则表达式
* 表匹配0次或者多次 a*b*
+ 表至少一次
[ ] 匹配任意一个
( ) 辨识一个编组
{m，n} m或者n 次
[^] 匹配任意不在中括号里的字符
| 表示或者
. 表示匹配任意字符
^ 表字符的开始 ^a 表示以a开始
表示转义字符
$ 和^ 相反 从字符串的末尾开始匹配
？！ 不包含
二、获得属性
获得一个标签的全部属性
myTag.attrs
获取图片的资源位置src
myImgTag.attrs["src"]
获取网页的函数：
random.seed(datetime.datetime.now())
def getLinks(articleUrl):
html = urlopen("http://en.wikipedia.org"+articleUrl)
bs0bj = BeautifulSoup(html)
return bs0bj.find("div",{"id":"bodyContent"}).findAll("a",herf=re.compile("^(/wiki/)((?!:).)*$"))
links = getLinks("/wiki/Kevin_Bacon")
while len(links) > 0:
newArticle = links[random.randint(0,len(links)-1)].attrs["href"]
print(newArticle)
link = getLinks(newArticle)