最近想要写一个爬虫程序，发现现在的话基本是有两种处理爬取数据的处理。

（1）正则表达式

（2）类似jQuery的DOM的操作

因为正则表达式非常的强大，所以一直想要入坑，所以现在就选择第一种方式。

坑点1：

在使用正则表达式中，很多文档都只是在写如何去匹配，但是对于一个新手的话非常的不友好。因为没有说明如何开始，只是给程序，而没有解释，所以非常的坑。这里面我发现要想使用正则匹配的话，都要写定界符/或#来包住你要写的正则表达式，不然是不清楚这是正则表达式来的。还有就是要匹配html标签的话会出现</div>的情况，这里必须要对/转义使用\/的形式，不然会提前结束了正则表达式。然而你后面还有正则，那么就会警告了。

坑点2：

之前的话在使用(.*)匹配内容的时候，总会出现一些多余的字符，而且这是我们不想要的，例如title=‘xxx’，我只想要xxx但是它却给了xxx target=‘_blank’这样的字符串给我。之后发现这里是因为贪婪模式导致的，所以只要xxx就应该使用非贪婪模式，这个模式只要加在(.*$)这里加多一个$符就ok了。

持续更新。。