因为要搜集很多内容，所以简书当然是目标之一呀。所以今天来试试把简书中的文字提取出来。
简单观察一下发现，想要的内容都在span标签中，但是不想要的内容也在span中，这个要怎么解决呢？
span标签中的文字
观察到每一段落有个<br>段落符，在beautifulsoup解析之后为\xa0
\xa0
可以利用这个特点，把得到的文字分段。
简单改造一下昨天的提取搜狐文字的程序就实现了：
简书文字提取
基本实现提取简书文字。
既然可以提取简书了，那今日头条就更不能放过了。
今日头条这里稍微有些不同，这里不是简单的html了，而是有效内容在某个js代码中不规则分布。
头条网页代码
查找相关知识发现这篇文章讲的不错：网页文字提取
文章截图
可以看到正文在script标签的content:和groupId：之间，于是我们需要截取字符串，然后将正文中的乱码进行处理即可。
