介紹python 資料抓取三種方法

#免費學習推薦：python影片教學

三種資料抓取的方法

1. 正則表達式（re庫）
2. BeautifulSoup（bs4）
3. lxml

*利用先前建構的下載網頁函數，取得目標網頁的html，我們以https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/為例，取得html。

from get_html import download

url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'page_content = download(url)

*假設我們需要爬取該網頁中的國家名稱和概況，我們依序使用這三種資料抓取的方法來實現資料抓取。
1.正規表示式

from get_html import downloadimport 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listsurvey_data = re.findall('<tr><td>(.*?)</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）

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

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='')

執行結果：

最後，引用《用python寫網路爬蟲》中三種方法的效能對比，如下圖：

僅供參考。

相關免費學習推薦：python教學（影片）

#

以上是介紹python 資料抓取三種方法的詳細內容。更多資訊請關注PHP中文網其他相關文章！