开发正则表达式引擎（学用正则表达解析网页源码）

今天2022年8月15日是纪念日本投降的日子，也是我写学习笔记的第一天，可谓是喜上加囍。我想和大家分享一下我今天学习python网络爬虫的囧事以及从中得到的一些感悟，也算是对自己学习历程的一个记录吧。

今天，我试着用正则表达式解析网页源码，获取、清洗和打印数据，这个过程看似简单却不那么顺利。今天我主要爬取的是中国证券报网上的一些网站、标题和时间。跟着书依葫芦画瓢，在写好程序后，我就“shift enter”了一下，显示结果报错。一看错误提示是“IndexError: list index out of range”，索引超出了范围，如下图所示。

于是，跟着提示的指引，我回到程序去分析和查找原因，但奈何经验与能力有限，花了我半个多小时也没解决得了错误，其间还上网查了一下，也无济于事。心态逐渐开始炸裂了。但是，我也不是遇到点问题就轻言放弃的人，心里那股不解决问题、绝不罢休的劲儿，促使着我又去找方法解决。

只要思想不滑坡，方法总比困难多。我又回到了那本学习参考书，仔仔细细地与其比对看看哪里不一样，功夫不负有心人，我还真找到了一个差异点。这个差异点就是在用正则表达式来表示时间时少写了一个“.*？”，如下图所示。果然，该错误成功解除啦。但很不幸，又出现了一个新错误。

为什么这里需要写上“.*？”？我认为主要是“ ” 与“ ”之间存在空行（如下图所示），不加上“.*？”将空行忽略掉的话，re.findall（）匹配的时候就会提取不到时间，从而导致时间列表为空，出现程序错误。这一问题实际上是暴露了我对正则表达的学习理解还不太好，需要多做练习来进一步加强认知、积累经验。

再来说一下这个新错误，错误如下图所示。该错误主要是split（）函数的一个误用。误用在分割符里多加了一个空字符串，不符合split函数的语法使用要求而引起的报错。不过我很好奇，我参考的这本书也是这样写的，居然没有报错。看来知识掌握的不透，很容易就会被书误导呀。

split()函数的误用，暴露了我对该知识点的欠缺。非常感谢这次报错，让我发现了知识盲点，有机会重新去加深学习、理解和应用。我重新把split()函数这个知识点总结在下面，加深理解和方便查看。

split()：拆分字符串。通过指定分隔符对字符串进行切片，并返回分割后的字符串列表（list）

语法：str.split(str="",num=string.count(str))[n]

参数说明：

str:表示为分隔符，默认为空格，但是不能为空(’’)。若字符串中没有分隔符，则把整个字符串作为列表的一个元素

num:表示分割次数。如果存在参数num，则仅分隔成 num 1 个子字符串，并且每一个子字符串可以赋给新的变量

[n]:表示选取第n个分片

1、遇到问题不要退缩，方法总比困难多，坚持去寻找和思考，问题总会被解决，也终会有所收获。

2、知识是否学会，应用一下便见分晓。

3、实践才能出真知。唯有多动手操作和勤练习，才能发现自己的不足、加深对知识的理解与应用，进而提高解决问题的能力。

4、尽信书不如无书。不能无脑接受，盲目相信，需要有批判精神，多自我思考总结，才会有所进步。