三種數據抓取的方法正則表達式(re庫)

BeautifulSoup(bs4)

lxml

*利用之前構建的下載網頁函數，獲取目標網頁的html，我們以https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/為例，獲取html。

from get_html import download

url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'page_content = download(url)

*假設我們需要爬取該網頁中的國家名稱和概況，我們依次使用這三種數據抓取的方法實現數據抓取。

1.正則表達式from get_html import downloadimport re

url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'page_content = download(url)country = re.findall('class="h2dabiaoti">(.*?)', page_content) #注意返回的是listsurvey_data = re.findall('

(.*?)', page_content)survey_info_list = re.findall('

　　(.*?)

', survey_data[0])survey_info = ''.join(survey_info_list)print(country[0],survey_info)

2.BeautifulSoup(bs4)from get_html import downloadfrom bs4 import BeautifulSoup

url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'html = download(url)#創建 beautifulsoup 對象soup = BeautifulSoup(html,"html.parser")#搜索country = soup.find(attrs={'class':'h2dabiaoti'}).text

survey_info = soup.find(attrs={'id':'wzneirong'}).textprint(country,survey_info)

3.lxmlfrom get_html import downloadfrom lxml import etree #解析樹url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'page_content = download(url)selector = etree.HTML(page_content)#可進行xpath解析country_select = selector.xpath('//*[@id="main_content"]/h2') #返回列表for country in country_select:

print(country.text)survey_select = selector.xpath('//*[@id="wzneirong"]/p')for survey_content in survey_select:

print(survey_content.text,end='')

運行結果：

最后，引用《用python寫網絡爬蟲》中對三種方法的性能對比，如下圖：

僅供參考。相關免費學習推薦：python教程(視頻)

總結

以上是生活随笔為你收集整理的python教程怎么抓起数据_介绍python 数据抓取三种方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。