一. 文本爬取（基于python3.6）：
在上面的代码中，我已经进行了详细注释，应该能大致看懂。下面重点解析几个容易出错的部分。
源码左上角那个小按钮用处很大，单击之后，鼠标点网页哪里，右边就显示哪里对应的代码。按理来说，接下来就可以仔细查看源码，然后根据规律编程了。
然而！！！偶然发现，选择按姓氏查询，和按籍贯查询看到的源码有所不同。
当选择按姓氏查询时，对应
我直接用下面这句代替新增的前三行：
三 分词与信息抽取
此处调用了哈工大研发的一个包：pyltp。关于此包的下载、配置和使用，可以参考官方文档，链接如下（是中文的哦）：
pyltp可完成中文分句、分词、词性标注、命名实体识别、依存句法分析（主谓、动宾等。说实话，作为人，我都分不清这个）、语义角色标注（标注词语与谓词的关系）。
因此，用pyltp即可完成分词和命名实体识别（信息抽取）两个任务。
关于命名实体识别的简单定义如下：
2. windowserror[2]
至今没弄懂这个错误出现的根本原因，不过根据测试大致猜到了。下面这行代码的路径一定要写全，不能用变量名代替。如，写s='d:/data_rabbit/jianli/'+d+'/'+d2+'/'+'0.txt' ，os.path.getsize(s)是不行的。要写成如下形式：
谢谢阅读！！！！