1.作业①:
要求：用urllib和re库方法定向爬取给定网址（https://www.shanghairanking.cn/rankings/bcsr/2020/0812 ）的数据。
输出信息:
| 2020排名 | 全部层次 | 学校类型 | 总分 |
| 1 | 前2% | 中国人民大学 | 1069.0 |
| 2...... |
1）代码：
https://gitee.com/wjz51/wjz/blob/master/project_1/1_1.py
实验结果：
2）心得体会：
下述主要是关于正则表达式相关的体会，实验过程中在这方面耗时较久
re可以使用正则表达式(.*?)，(.*?)对要匹配内容不做要求，更方便
例如(\s*.*?\s*)
re也可以使用匹配内容相对应的正则表达式
例如 data-v-b80b4d60>([\u2E80-\u9FFF]+)
上面匹配的就是中文字符，如“清华大学”
注意：其中的\s* 匹配空格或换行符
检查正则表达式是否匹配正确
我使用的软件是 Match Tracer
下载地址:
http://www.regexlab.com/zh/mtracer/download.htm
2.作业②:
要求：用requests和Beautiful Soup库方法设计爬取https://datacenter.mee.gov.cn/aqiweb2/ AQI实时报。
| 序号 | 城市 | AQI | PM2.5 | SO2 | No2 | Co | 首要污染物 |
| 北京 | 55 | 6 | 5 | 225 | — | ||
1)代码：
https://gitee.com/wjz51/wjz/blob/master/project_1/1_2.py
主要是对网页爬取运用BeautifulSoup进行理解如下：
由上图可以看出'tbody'作为各城市相关信息的父节点
'tr'作为单个城市相关信息
'td'则是相关污染信息
对'td'进行选择即可
3.作业③：
要求：使用urllib和requests和re爬取一个给定网页（https://news.fzu.edu.cn/）爬取该网站下的所有图片
3.1 requests和re
https://gitee.com/wjz51/wjz/blob/master/project_1/1_3_1.py
运行结果：
3.2 urllib和re
https://gitee.com/wjz51/wjz/blob/master/project_1/1_3_2.py
经过阅读HTML文件发现照片格式为<img src="(.*?)"
注意加入“http://news.fzu.edu.cn”才算正确的地址，如果不知道照片链接具体是什么，可以打开一个图片复制其网址查看
对部分函数进行说明：
函数：urllib.urlretrieve(url, filename, reporthook, data)
参数说明：
url：外部或者本地url