python數(shù)據(jù)抓取3種方法總結(jié)_第1頁
python數(shù)據(jù)抓取3種方法總結(jié)_第2頁
python數(shù)據(jù)抓取3種方法總結(jié)_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

第python數(shù)據(jù)抓取3種方法總結(jié)三種數(shù)據(jù)抓取的方法

正則表達(dá)式（re庫）BeautifulSoup（bs4）lxml

*利用之前構(gòu)建的下載網(wǎng)頁函數(shù)，獲取目標(biāo)網(wǎng)頁的html，我們以/AFG__guojiayudiqu/為例，獲取html。

fromget_htmlimportdownload

url=/AFG__guojiayudiqu/

page_content=download(url)

*假設(shè)我們需要爬取該網(wǎng)頁中的國家名稱和概況，我們依次使用這三種數(shù)據(jù)抓取的方法實(shí)現(xiàn)數(shù)據(jù)抓取。

1.正則表達(dá)式

fromget_htmlimportdownload

importre

url=/AFG__guojiayudiqu/

page_content=download(url)

country=re.findall(>

2.BeautifulSoup（bs4）

fromget_htmlimportdownload

frombs4importBeautifulSoup

url=/AFG__guojiayudiqu/

html=download(url)

#創(chuàng)建beautifulsoup對象

soup=BeautifulSoup(html,html.parser)

country=soup.find(attrs={class:h2dabiaoti}).text

survey_info=soup.find(attrs={id:wzneirong}).text

print(country,survey_info)

3.lxml

fromget_htmlimportdownload

fromlxmlimportetree#解析樹

url=/AFG__guojiayudiqu/

page_content=download(url)

selector=etree.HTML(page_content)#可進(jìn)行xpath解析

country_select=selector.xpath(//*[@id=main_content]/h2)#返回列表

forcountryincountry_select:

print(country.text)

survey_select=selector.xpath(//*[@id=wzneirong]/p)

forsurvey_contentinsurvey_select:

print(survey_content.text,end=)

運(yùn)行結(jié)果

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論