python数据抓取3种方法总结

　　python数据抓取3种方法总结

　　

　　这篇文章主要给大家介绍了关于python数据抓取的3种方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

　　三种数据抓取的方法

　　*利用之前构建的下载网页函数，获取目标网页的html，我们以为例，获取html。

　　

　　<p>from get_html import download

　　 

　　url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'

　　page_content = download(url)</p>

　　*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

　　<p>from get_html import download

　　import 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list

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

　　survey_info_list = re.findall('<p>　　(.*?)', survey_data[0])</p>

　　survey_info = ''.join(survey_info_list)

　　print(country[0],survey_info)</p>

　　2.BeautifulSoup（bs4）

　　<p>from get_html import download

　　from 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'}).text

　　print(country,survey_info)</p>

　　3.lxml

　　<p>from get_html import download

　　from 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='')</p>

　　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。

　　

　　扫下方二维码加老师微信