题目来源于生信技能树论坛，参考了几个帖子。 http://www.biotrainee.com/thread-1695-1-1.html http://www.biotrainee.com/thread-1316-1-1.html

比如这个最简单的，表格爬取： http://www.letpub.com.cn/index.p … r=¤tpage=1000 http://www.letpub.com.cn/index.p … tter=¤tpage=3 http://www.letpub.com.cn/index.p … tter=¤tpage=2 http://www.letpub.com.cn/index.p … tter=¤tpage=1 规律很简单，就是url从1增加到1000即可，很简单的循环！ 每一个页面只有一个表格，所以很容易提取，用python,perl,R都可以 截止2017年，一共收录期刊：9991份 试试看吧

http://www.zd200572.com/2017/10/09/craw_learnning/

里边最重要的就是正则表达式了，另外就是把想要的内容分离出来，这是个很简单的爬虫，我的代码也很初级，仍需继续努力学习！

遇到的问题有：1、网络连接被切断，估计是没有进行伪装成浏览器的原因；2、才开始正则表达式影响因子中有两位数的，没有考虑；3、有的被除名的标签不一样，导致有影响因子（0.000）没有杂志名。 我的代码如下：