html转Excel若干小技巧
目录
分享背景
现在网络的数据很多，对于有规律的网站可以使用爬虫大规模获取，但是轻量级的数据就没必要编写爬虫了，不能每个网页都写一个程序，使用一些小技巧就可以。
目标网站
https://wenku.baidu.com/view/9e3a3559b9f3f90f76c61bc3.html
如上图某文库的文档，是不能复制的，而且是使用Ajax异步加载，加上N多的广告数据，有时候想爬都无力从心。我们的方法是直接复制HTML文件到一些文本编译器中，然后进行正则规范化和其他数据清洗操作。
获取html
1.等待网站加载完毕
2.按F12打开控制台
3.选择元素选择器并选择该表格所在的父节点
可以看到div是隐藏的，不可以直接选取，只能从子节点向上查找
4.复制父节点html数据到任意文本
我这是使用的notepad++
选择语言html，好看一些
可以看到数据在<p></p>标签中
清洗数据-正则替换
1.去除所有<p>标签，Ctrl+F，调出查找器，如下设置即可，替换值replace with什么都不填
2.去除所有</p>标签
3.替换所有空格，方框为逗号，方框可以复制一下，或者findwhat打一个空格
4.去除多余逗号，
6.删除开头结尾的div标签，并将所有数据变为一行
7，每条数据都是以保质期结尾，我们就按时间单位分行，不规范的手动清理
写入excel
ctrl+a 复制