首页 > 其他 > 详细

数据获取的几种方法

时间:2018-11-10 11:49:26      阅读:120      评论:0      收藏:0      [点我收藏+]

方法一:正则表达式

import re
import urllib2
#不需要代理的
res = urllib2.urlopen(url).read()
#需要代理使用这个
ueser-agent = user
headers ={User-agent:ueser-agent}
request = urllib2.Request(url,headers = headers)
opener = urllib2.build_opener()
 proxy_params = {urlparse.urlparse(url).scheme:proxy}
opener.add_heandler(urllib2.ProxyHandler(proxy_params))
res = opener.open(request).read()
print(res)
#Regular是需要匹配数据的正则表达式
print(re.findall(Regular,res))

方法二:Beautiful Soup

安装:

  pip install beautifulsoup4

import re
import urllib2
from bs4 import BeautifulSoup
#不需要代理的
res = urllib2.urlopen(url).read()
#需要代理使用这个
ueser-agent = user
headers ={User-agent:ueser-agent}
request = urllib2.Request(url,headers = headers)
opener = urllib2.build_opener()
 proxy_params = {urlparse.urlparse(url).scheme:proxy}
opener.add_heandler(urllib2.ProxyHandler(proxy_params))
res = opener.open(request).read()
print(res)

soup = BeautifulSoup(res,html-parser)
fixed_html = soup.prettity()
print(fixed_html)
#查找标签对应的数据
#tag标签名,如‘ul‘,attr标签属性及属性值组成的键值对,数据类型为字典,如:{‘class‘:‘country‘}
#查找单个标签
tagData = soup.find(tag,attrs=attr)
#查找同名的标签集
tagsData = soup.find_all(tag)

方发三:Lxml

安装

  pip install lxml

import re
import urllib2
import lxml
#不需要代理的
res = urllib2.urlopen(url).read()
#需要代理使用这个
ueser-agent = user
headers ={User-agent:ueser-agent}
request = urllib2.Request(url,headers = headers)
opener = urllib2.build_opener()
 proxy_params = {urlparse.urlparse(url).scheme:proxy}
opener.add_heandler(urllib2.ProxyHandler(proxy_params))
res = opener.open(request).read()
print(res)

tree = lxml.html.fromstring(res)
td = tree.cssselect(tr#place>td.area)[0]
area = td.text_content()
print(area)

 

  

数据获取的几种方法

原文:https://www.cnblogs.com/navysummer/p/9938650.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!