介绍python 数据抓取三种方法

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。

在这里插入图片描述

from get_html import download

url = &#39;https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/&#39;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

from get_html import downloadimport re

url = &#39;https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/&#39;page_content = download(url)country = re.findall(&#39;class="h2dabiaoti">(.*?)</h2>&#39;, page_content) #注意返回的是listsurvey_data = re.findall(&#39;<tr><td bgcolor="#FFFFFF" id="wzneirong">(.*?)</td></tr>&#39;, page_content)survey_info_list = re.findall(&#39;<p>　　(.*?)</p>&#39;, survey_data[0])survey_info = &#39;&#39;.join(survey_info_list)print(country[0],survey_info)

2.BeautifulSoup（bs4）

from get_html import downloadfrom bs4 import BeautifulSoup

url = &#39;https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/&#39;html = download(url)#创建 beautifulsoup 对象soup = BeautifulSoup(html,"html.parser")#搜索country = soup.find(attrs={&#39;class&#39;:&#39;h2dabiaoti&#39;}).text
survey_info = soup.find(attrs={&#39;id&#39;:&#39;wzneirong&#39;}).textprint(country,survey_info)

3.lxml

from get_html import downloadfrom lxml import etree #解析树url = &#39;https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/&#39;page_content = download(url)selector = etree.HTML(page_content)#可进行xpath解析country_select = selector.xpath(&#39;//*[@id="main_content"]/h2&#39;) #返回列表for country in country_select:
    print(country.text)survey_select = selector.xpath(&#39;//*[@id="wzneirong"]/p&#39;)for survey_content in survey_select:
    print(survey_content.text,end=&#39;&#39;)

运行结果：
在这里插入图片描述
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，更多请关注其它相关文章！