python抓取动态网页(三种数据抓取的方法*利用之前构建的下载网页函数)

　　python抓取动态网页(三种数据抓取的方法*利用之前构建的下载网页函数)

　　三种数据采集方法

　　*使用之前构建的下载网页函数获取目标网页的html，我们以获取html为例。

from get_html import download

url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'

page_content = download(url)

　　*假设我们需要抓取这个网页中的国家名称和*敏*感*词*，我们会依次使用这三种数据抓取方式来实现数据抓取。

　　1.正则表达式

from get_html import download

import 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list

survey_data = re.findall('(.*?)', page_content)

survey_info_list = re.findall('<p>　　(.*?)', survey_data[0])

survey_info = ''.join(survey_info_list)

print(country[0],survey_info)

</p>

　　2.美汤(bs4）

from get_html import download

from 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'}).text

print(country,survey_info)

　　3.lxml

　　运行结果：

　　最后参考《用Python编写网络爬虫》中三种方法的性能对比，如下图：

　　仅供参考。

　　总结

　　本文文章关于python数据捕获的3种方法介绍到这里。更多相关python数据抓取内容，请搜索脚本之家以前的文章或继续浏览以下相关文章希望大家以后多多支持脚本之家！