Pythonのデータキャプチャの3つの方法を紹介

無料学習の推奨事項: Python ビデオ チュートリアル

データキャプチャの 3 つの方法

##正規表現 (ライブラリ)
1. BeautifulSoup (bs4)
2. lxml

*以前に構築した Web ページのダウンロード機能を使用して、ターゲット Web ページの HTML を取得します。例として https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/ を使用して HTML を取得します。

from get_html import download

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

* この Web ページの国名とプロフィールをクロールする必要があるとします。データ クローリングを実現するには、これら 3 つのデータ クローリング メソッドを順番に使用します。

1. 正規表現

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='')

実行結果:

最後にでは、以下に示すように、「Python を使用した Web クローラーの作成」の 3 つのメソッドのパフォーマンス比較を引用します。

参考のみ。

関連する無料学習の推奨事項: Python チュートリアル(ビデオ)

以上がPythonのデータキャプチャの3つの方法を紹介の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。