一：获取网页
发送http请求获得网页源码
可使用库：urlib / requests
二：提取信息
获取网页源代码后，接下来就是分析网页源代码，从中提取我们想要的数据。
最常用最通用：正则表达式
根据一些网页节点属性的库：Beautiful Soup / pyquery / lxml
对于使用Ajax接口的网页代码：Selenium / Splash （模拟JavasScript渲染）
三：保存数据
文本：TXT / JSON
数据库：MySQL / MongoDB
远程服务器：SFTP
学习文档：静觅爬虫实战