講道理，還是應(yīng)該先把正則學(xué)一下的意述，不過因?yàn)槿蝿?wù)簡(jiǎn)單提佣，我就簡(jiǎn)單的嘗試用了BeautifulSoup，還是很好用的荤崇。
任務(wù)1：獲取康奈爾圖書館的論文的題目拌屏、日期、摘要信息术荤。
圖書館地址：https://arxiv.org/
github代碼：https://github.com/leiseraiesecqd/Python-crawler/blob/master/for%20paper%20info.py
========================================
主要解決的問題倚喂，獲取第一級(jí)頁(yè)面中的N個(gè)href鏈接（論文），依次訪問所有鏈接瓣戚，進(jìn)入二級(jí)頁(yè)面（每篇論文的主頁(yè)）端圈，爬取論文的具體信息。
主要的兩個(gè)方法：
1）bs4.BeautifulSoup/bs4.element.Tag共有的
get_text()---->去掉標(biāo)簽带兜，獲取文本信息（返回str類型）
find_all()--->獲得標(biāo)簽（返回bs4.element.ResultSet類型枫笛，每個(gè)元素都是一個(gè)bs4.element.Tag）
2）bs4.BeautifulSoup的select（）方法，返回bs4.element.Tag類型刚照。
例子：find_all('a')[0]['href']--->獲取所有a標(biāo)簽集合中第一個(gè)a標(biāo)簽的href值,即鏈接
