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. 利用Python爬虫获取招聘网站职位信息
  2. Using Python crawler to obtain job information of recruitment website
  3. Several highly rated Python libraries arrow, jsonpath, psutil and tenacity are recommended
  4. Python装饰器
  5. Python实现LDAP认证
  6. Python decorator
  7. Implementing LDAP authentication with Python
  8. Vscode configures Python development environment!
  9. In Python, how dare you say you can't log module? ️
  10. 我收藏的有关Python的电子书和资料
  11. python 中 lambda的一些tips
  12. python中字典的一些tips
  13. python 用生成器生成斐波那契数列
  14. python脚本转pyc踩了个坑。。。
  15. My collection of e-books and materials about Python
  16. Some tips of lambda in Python
  17. Some tips of dictionary in Python
  18. Using Python generator to generate Fibonacci sequence
  19. The conversion of Python script to PyC stepped on a pit...
  20. Python游戏开发,pygame模块,Python实现扫雷小游戏
  21. Python game development, pyGame module, python implementation of minesweeping games
  22. Python实用工具,email模块,Python实现邮件远程控制自己电脑
  23. Python utility, email module, python realizes mail remote control of its own computer
  24. 毫无头绪的自学Python,你可能连门槛都摸不到!【最佳学习路线】
  25. Python读取二进制文件代码方法解析
  26. Python字典的实现原理
  27. Without a clue, you may not even touch the threshold【 Best learning route]
  28. Parsing method of Python reading binary file code
  29. Implementation principle of Python dictionary
  30. You must know the function of pandas to parse JSON data - JSON_ normalize()
  31. Python实用案例,私人定制,Python自动化生成爱豆专属2021日历
  32. Python practical case, private customization, python automatic generation of Adu exclusive 2021 calendar
  33. 《Python实例》震惊了,用Python这么简单实现了聊天系统的脏话,广告检测
  34. "Python instance" was shocked and realized the dirty words and advertisement detection of the chat system in Python
  35. Convolutional neural network processing sequence for Python deep learning
  36. Python data structure and algorithm (1) -- enum type enum
  37. 超全大厂算法岗百问百答(推荐系统/机器学习/深度学习/C++/Spark/python)
  38. 【Python进阶】你真的明白NumPy中的ndarray吗?
  39. All questions and answers for algorithm posts of super large factories (recommended system / machine learning / deep learning / C + + / spark / Python)
  40. [advanced Python] do you really understand ndarray in numpy?
  41. 【Python进阶】Python进阶专栏栏主自述:不忘初心,砥砺前行
  42. [advanced Python] Python advanced column main readme: never forget the original intention and forge ahead
  43. python垃圾回收和缓存管理
  44. java调用Python程序
  45. java调用Python程序
  46. Python常用函数有哪些?Python基础入门课程
  47. Python garbage collection and cache management
  48. Java calling Python program
  49. Java calling Python program
  50. What functions are commonly used in Python? Introduction to Python Basics
  51. Python basic knowledge
  52. Anaconda5.2 安装 Python 库(MySQLdb)的方法
  53. Python实现对脑电数据情绪分析
  54. Anaconda 5.2 method of installing Python Library (mysqldb)
  55. Python implements emotion analysis of EEG data
  56. Master some advanced usage of Python in 30 seconds, which makes others envy it
  57. python爬取百度图片并对图片做一系列处理
  58. Python crawls Baidu pictures and does a series of processing on them
  59. python链接mysql数据库
  60. Python link MySQL database