网页抓取解密(网页抓取解密算法有两种，一种是正则匹配的特点)

　　网页抓取解密(网页抓取解密算法有两种，一种是正则匹配的特点)

　　网页抓取解密算法有两种，一种是正则匹配，一种是xpath匹配（其实我觉得叫html翻译更准确）。正则匹配的特点是灵活，在于满足某些条件时能返回正确结果，但是网页会有xpath匹配的特点，这是一种描述性的匹配方法，你理解了html中xpath的格式就会很明白我们要去看待xpath匹配的解密方法了。html文档中有个非常重要的""标签，我们可以看到有非常多的内容在这个标签里，说明这里肯定会有你需要的内容，而且大多数情况下，使用正则匹配的解密算法会依靠sub链接获取对应的样式表，最最常见的解密算法叫lookup方法，它的原理是：因为我们通过正则检测到了一个标签，所以我们调用其对应的标签里面的函数去匹配标签的部分内容，这样就达到了解密的目的。

　　但是如果正则检测没有发现标签，那我们只能再用lookup去匹配标签里面的所有内容，这样就没有用了，因为获取的文本内容出现错误（如div中的style标签）。实际上，解密方法非常多，比如xpath匹配a标签，一般会直接匹配其标签里面的<a>标签，但是我们可以通过链接来获取<a>标签里面的元素的内容。通过bom来进行解密等等，其实都是属于html里面特定格式的关键词，任何编程语言都可以实现你要的效果，只要你理解了html里面的规则，你就能自己去编程实现各种方法。