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)，請進行舉報或認領(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)抓取的方法實現(xiàn)數(shù)據(jù)抓取。

1.正則表達式

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)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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。

最新文檔

評論

0/150

提交評論