在爬虫的世界里，有用的数据总藏在乱糟糟的HTML标签、JavaScript代码或者JSON字符串里。想要精准的获取到自己需要的数据不是一件很容易的事情，不过正则表达式就像一把精准的小手术刀，很容易就能把想要的数据抠出来。因此，学会它的正确用法，爬虫的效率能直接提升一个档次。为什么爬虫离不了正则？大家常用的BeautifulSoup、XPath确实用着顺手，但它们有个特点：要先把整个网页的DOM结构解析出来。要是碰上一个5MB的网页，解析器构建节点树的过程，会让内存占用直接翻倍。而正则不一样，它直接在字符串层面工作，不用加载任何DOM...