介绍python 数据抓取三种方法

　　介绍python 数据抓取三种方法

　　*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

　　from get_html import downloadimport re

　　url = ''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 = ''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

　　from get_html import downloadfrom lxml import etree #解析树url = ''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。