1、我们知道，http协议共有8种方法，真正的浏览器至少支持两种请求网页的方法：GET和POST。
2、相对于urllib2而言，urllib模块只接受字腿发滏呸符串参数，不能指定请求数据的方法，更无法设置请求报头。因此，urllib2被视为爬取数据所用“浏览器”的首选。
3、urllib2.urlopen除了可以接受字符串参数，还可以接受urllib2.Request对象。这意味着，我们可以灵活地设置请求的报头（header）。
4、Beautiful Soup做为python的第三方库，可以帮助我们从网页源码中找到我们需要的数据。Beautiful Soup可以从一个HTML或者XML提取数据，它包含了简单的处理、遍历、搜索文档树、修改网页元素等功能。安装非常简单（如果没有解析器，也一并安装）： pip install beautifulsoup4。
5、使用正则表达式解析数据 有时候，目标数据隐身于大段的文本中，无法透过html标签直接获取；或者，相同的标签数量众多，而目标数据只占其中的一小部分。
6、此时一般要借助于正则表达式了。下面的代码可以直接把年月日提取出来（提示：处理中文时，html源码和匹配模式必须使用utf-8编码，否则运行出错） 。
