Python爬虫自学系列(二)

看,未来 2021-01-21 03:29:11
Python 爬虫 自学 系列 学系


在这里插入图片描述

前言

依旧是先唠嗑两句,过气博主又来找存在感了。

回顾一下往昔,过去我们讲了爬虫的简单操作,并封装了一个简单的,获取网页源数据的函数,还挺好用吧。
Python爬虫自学系列一

今天我们来从获取到的网页数据中抓取我们想要的数据。
(注:这一篇里面很多东西都已经是讲过的了,所以本篇基本上是链接了,也不会很长的)


HTML网页简单介绍

Xpath,永远滴神

XPath 是一种将 XML 文档的层次结构描述为关系的方式。因为 HTML 是 由 XML 元素组成的,因此我们可以使用 XPath 从 HTML 文档中定位和选择元素。

如果你想了解更多 XPath 相关的知识,可以点击这边上面的蓝字。


至于beautifulsoup就不提啦。
别问我为什么不提,看下去就知道啦。


性能对比

在这里插入图片描述

你悟到了吗?


好,知识点都讲完了,比较中要的还是项目实战中的代码封装。

项目实战也有,爬取2021年腾讯校招

先看一下大概,然后回来我们捡一些功能出来封装一下函数。


从网页中获取数据

这个函数呢,直接将数据一波取走了,不过这个Xpath的使用呐,也不是那么容易的哦。

def get_data(html_data,Xpath_path):
'''
这是一个从网页源数据中抓取所需数据的函数
:param html_data:网页源数据 (单条数据)
:param Xpath_path: Xpath寻址方法
:return: 存储结果的列表
'''
data = html_data.content
data = data.decode().replace("<!--", "").replace("-->", "") #删除数据中的注释
tree = etree.HTML(data) #创建element对象
el_list = tree.xpath(Xpath_path)
return el_list

上面那个是一次性的,那可持续发展的呢?就比方说一个网页你要抓大于一个种类的数据,也就是说有多套的Xpath,那怎么办?

我这儿有两种方法啊:
1.将element对象用于中转,函数一分为二,看:

可持续发展方法一:

第一步,获取网址中的element对象并返回

#获取网址中的element对象
def get_element(html_data):
data = html_data.content
data = data.decode().replace("<!--", "").replace("-->", "")
tree = etree.HTML(data)
return tree

第二步,从element对象中取值

def parser_element_data(Tree,Xpath):
el_list = Tree.xpath(Xpath)
return el_list

这方法啊,土了点,真要用起来啊,也不是很美观,冗余。

还是看方法二吧。


可持续发展方法二:

这个方法呢,就将所有Xpath作为一个列表传入,然后通过循环来取数据。

def get_data_2(html_data,Xpath_path_list):
'''
通过多个Xpath对数据进行提取
:param html_data: 原始网页数据
:param Xpath_paths: Xpath寻址列表
:return: 二维列表,一种寻址数据一个列表
'''
el_data = []
data = html_data.content
data = data.decode().replace("<!--", "").replace("-->", "")
tree = etree.HTML(data)
for Xpath_path in Xpath_path_list:
el_list = tree.xpath(Xpath_path)
el_data.append(el_list)
el_list = [] #安全起见就自己清理了吧
return el_data

练习

这篇相对比较短,但是内容却不短。
有心的朋友可以找个网站练一下Xpath,比方说招聘网。


版权声明
本文为[看,未来]所创,转载请带上原文链接,感谢
https://lion-wu.blog.csdn.net/article/details/112861626

  1. 【七天搞定Python】day01.Python环境配置、pip、IDE、注释、变量,数据类型、标识符/关键字、输出、输入
  2. Life is short, I learn Python
  3. Python image enhancement and special effects - using Baidu AI to color black and white images
  4. Python environment configuration, Pip, IDE, comment, variable, data type, identifier / keyword, output, input
  5. 为什么说Python是最伟大的语言?看图就知道了 - 知乎
  6. Why is Python the greatest language? Just look at the picture. - Zhihu
  7. 通过创建视频游戏来学习 Python
  8. Learn Python by creating video games
  9. Python3版本下创建计算给定日期范围内工作日方法
  10. Creating a method to calculate working days within a given date range in Python 3
  11. 图解爬虫,用几个最简单的例子带你入门Python爬虫
  12. Graphical crawler, with a few of the simplest examples to take you to the introduction of Python crawler
  13. python+requests基础知识
  14. Basic knowledge of Python + requests
  15. python自定义windowsr日志支持文件分割
  16. python+requests基础知识
  17. Python custom Windowsr log supports file segmentation
  18. Basic knowledge of Python + requests
  19. 高级测试 | Python笔试题
  20. 火了!开源的 Python 抢票神器,过年回家就看这一波了!
  21. Python 爬虫进阶 - 前后端分离有什么了不起,过程超详细!
  22. 【python】使用pip提示ModuleNotFoundError
  23. 【python】虚拟环境搭建
  24. Advanced test | Python written test questions
  25. Fire! Open source Python ticket grabbing artifact, come home to see this wave of New Year!
  26. Python crawler advanced - before and after the end of the separation of what great, super detailed process!
  27. [Python] prompt modulenotfounderror with PIP
  28. Building a virtual environment
  29. Serverless 架构下用 Python 轻松搞定图像分类和预测
  30. Easy image classification and prediction with Python under serverless architecture
  31. python协程爬取某网站的老赖数据
  32. Python coroutine crawls Laolai data of a website
  33. 使用Python分析姿态估计数据集COCO的教程
  34. Using Python to analyze the data set coco of attitude estimation
  35. win环境 python3 flask 上手整理 环境搭建(一)
  36. Getting started with win environment python3 flash
  37. Python实现一个论文下载器,赶紧收藏
  38. win环境 python3 flask 上手整理 快速上手-基础操作(二)
  39. Python 中常见的配置文件写法
  40. Python to achieve a paper Downloader, quickly collect
  41. Python批量 png转ico
  42. 使用line_profiler对python代码性能进行评估优化
  43. 使用line_profiler对python代码性能进行评估优化
  44. Getting started with Python 3 flash in win environment
  45. Common ways to write configuration files in Python
  46. Python会在2021年死去吗? Python 3.9最终版本的回顾
  47. Python batch PNG to ICO
  48. Using line_ Profiler evaluates and optimizes the performance of Python code
  49. Using line_ Profiler evaluates and optimizes the performance of Python code
  50. Will Python die in 2021? A review of the final version of Python 3.9
  51. Python3 SMTP send mail
  52. Understanding closures in Python: getting started with closures
  53. Python日志实践
  54. Python logging practice
  55. [python opencv 计算机视觉零基础到实战] 十、图片效果毛玻璃
  56. [python opencv 计算机视觉零基础到实战] 九、模糊
  57. 10. Picture effect ground glass
  58. [Python opencv computer vision zero basis to actual combat] 9. Fuzzy
  59. 使用line_profiler對python程式碼效能進行評估優化
  60. Using line_ Profiler to evaluate and optimize the performance of Python code