本文摘自php中文网,作者coldplay.xixi,侵删。

免费学习推荐:python视频教程
三种数据抓取的方法
- 正则表达式(re库)
- BeautifulSoup(bs4)
- lxml
*利用之前构建的下载网页函数,获取目标网页的html,我们以https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/为例,获取html。

1 2 3 | from get_html import download
url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/' page_content = download(url)
|
*假设我们需要爬取该网页中的国家名称和概况,我们依次使用这三种数据抓取的方法实现数据抓取。
1.正则表达式
1 2 3 | from get_html import downloadimport re
url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/' page_content = download(url)country = re.findall( 'class="h2dabiaoti">(.*?)</h2>' , page_content) #注意返回的是listsurvey_data = re.findall( '<tr><td bgcolor="#FFFFFF" id="wzneirong">(.*?)</td></tr>' , page_content)survey_info_list = re.findall( '<p> (.*?)</p>' , survey_data[0])survey_info = '' .join(survey_info_list) print (country[0],survey_info)
|
2.BeautifulSoup(bs4)
1 2 3 4 | from get_html import downloadfrom bs4 import BeautifulSoup
url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/' html = download(url)#创建 beautifulsoup 对象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.lxml
1 2 3 | from get_html import downloadfrom lxml import etree #解析树url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/' page_content = download(url)selector = etree.HTML(page_content)#可进行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 = '' )
|
运行结果:

最后,引用《用python写网络爬虫》中对三种方法的性能对比,如下图:

仅供参考。
相关免费学习推荐:python教程(视频)
以上就是介绍python 数据抓取三种方法的详细内容,更多文章请关注木庄网络博客!!
相关阅读 >>
Python序列基础--元组
web自动化测试(三)selenium+beatuifulsoup
Python十进制小数和二进制小数相互转换的实现方式
Python是弱类型语言吗
Python如何删除列表一个元素
基于Python的多进程共享变量正确打开方式
序列化和反序列化的详细介绍
关于Python类的实例详解
Python和java先学哪个
老男孩Python高级运维实战精品进阶视频教程的资源分享
更多相关阅读请进入《Python》频道 >>
人民邮电出版社
python入门书籍,非常畅销,超高好评,python官方公认好书。
转载请注明出处:木庄网络博客 » 介绍python 数据抓取三种方法