首先大家都知道re.sub()简单用法:

但是有陷阱:这个例子之所以匹配全部成功是因为它所检查的是'\d',也就是数字格式，遇到不是数字的就停止了

现在做另一个例子，我们找了一个网页准备爬它的数据:

今天这个例子先直接复制下来，可以看到数据很乱，嵌套着很多标签，我们接下来要清洗这些数据，那就是把这些标签去掉，只留文字，在说sub方法之前还有一个问题：我第一次粘贴文本给test赋值时，代码为:

1.通过爬虫技术，实现PMS系统与多个销售平台（airbnb、途家、美团榛果等）的订单房态同步、自动发房、价格调整工作；

工作职责:

2.完成智能定价所需要的数据爬取及数据分析等工作；

3.完成IM针对房源咨询的自动回复的开发工作。

任职资格:

1、Python基础良好，2-4年相关岗位工作经验；

2、大学全日本制本科及以上学历；

3、掌握网络爬虫基本类库使用，了解爬虫架构且熟练使用至少一种爬虫框架（Scrapy、PySpider等）进行开发，了解反爬虫、反反爬机制；

4、熟悉WebDriver、Selenium、PhantomJS等常用工具；

5、具有一定前端基础，拥有分析结构化和非结构化数据能力；

6、掌握正则表达式、搜索策略、算法、数据聚类以及重组并可以独立完成对抓取数据进行信息提取、去重和清洗；

7、熟练使用MySQL数据库，了解非关系型数据库（Redis、MongoDB等）；

8、了解Scrapy+Redis分布式策略为加分项。

结果疯狂报错，我？？？？怎么粘贴个文本还有错了，百度无果，突然想到引号匹配的问题:test字符串用双引号包裹，div标签里也有双引号，直接配对，导致错误，解决方法就是要么把文本里的双引号转义，要么改外面包裹的双引号，标签很多，可想有多麻烦，直接把外层双引号改为三引号，问题解决！接下来说正题:

要去掉标签，可以想到那就用re.sub()方法，用空字符串去替代每个标签，初始想法：

这样做了之后可以发现结果是全空，接下来又加了

发现结果是只过滤掉了第一个标签，接下来的数据全没有动，百度了一下，发现原来是换行出了问题，匹配到第一个