xpath+正则提取，解决80%的网页提取

上回说到了使用xpath提取页面的操作，但是会发现在使用的时候还是会出现或多或少的问题，要么是没有提取到，要么就是提出来的数据比较混乱。

解决提取数据混乱的问题----->使用正则提取
对于混乱数据提取最好的办法就是正则提取了，正则是一个比较高级的提取方法，正则的方法甚至可以出一本书，当然对于小白的我，无需知道的那么多，只要知道一点，就足以应对平时的应用。

可以看这位博主写的正则表达式
实际应用：https://www.wdzj.com/dangan/pp/gongshang/

'''/html/body/div[8]/div/div/div[1]/div[1]/div[2]/table//tr[1]/td[2]'''

获取公司名称，位于table标签内，于是使用xpath进行提取，在之前的xpath-hepler插件中显示的没有问题，就是该公司名称。但是当我爬取的时候结果带有td标签。

一、解决办法直接使用正则进行提取，
company_name=HTML.xpath("/html/body/div[8]/div/div/div[1]/div[1]/div[2]/table//tr[1]/td[2]")
re.search(r"(.*?)",company_name).group(1)

这只是其中的一种方式，正则还可以做很多xpath做不到的或者不好做的事，两者结合可以更好的提取出数据。

二、当然除了使用正则，也可以将数据存储到Excel中，使用分列一栏进行分列，也可以达到同样的效果。