使用beautifulSoup提取信息

1.优先用 “节点定位”：

适用场景：

如果页面标签有明确的属性（如 class、id）或层级关系，直接通过 find()/select() 定位，稳定性最高。

使用beautifulSoup的函数方法进行“节点定位”

2.次选 “正则表达式”：

适用场景：

当标签无规律但文本有模式时，用正则模糊匹配，兼容格式变体。

页面内容有一定规律但存在变体，例如：

• 分隔符不固定（如有时用 “：”，有时用 “:”，或空格数量不固定）；
• 内容存在可选部分（如某些条目有 “编剧”，某些没有）；
• 格式有轻微差异（如年份有时带括号：(2023)，有时不带）

正则表达式-CSDN博客

3.最后用 “字符串基础操作”：

适用场景：

仅在结构完全固定、无任何变体时使用，分隔符（如冒号、空格、特殊符号）或位置（如第几个字符、第几个分隔块）不变，简单高效但灵活性差。

提取逻辑：

利用字符串的 split()、strip()、切片（[start:end]）等基础方法，按固定分隔符拆分或按位置截取。

a.需要的内容一个标签内，且没有多余的内容——节点定位

b.需要的内容一个标签内，有多余的内容——节点定位+正则表达式/字符串基础操作