pythonデータキャプチャ3つの方法をまとめます。
3つのデータの取り込み方法正規表現(reライブラリ) Beautiful Soup(bs 4) lxml *前に構築したダウンロードページ関数を利用して、ターゲットページのhtmlを取得します。https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/を例にとって、htmlを取得します。
1.正規表現
最後に、「pythonでネットワーク爬虫類を書く」の3つの方法の性能対比を参照して、次の図のようになります。
ご参考までに。
締め括りをつける
ここでは、pythonのデータをつかむための3つの方法についての記事を紹介します。これまでの記事を検索したり、下記の関連記事を見たりしてください。これからもよろしくお願いします。
from get_html import download
url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'
page_content = download(url)
*このページの国家名と概況を登らなければならないと仮定して、この3つのデータを順次利用してキャプチャする方法でデータを取得します。1.正規表現
from get_html import download
import re
url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'
page_content = download(url)
country = re.findall('class="h2dabiaoti">(.*?)</h2>', page_content) # list
survey_data = re.findall('<tr><td bgcolor="#FFFFFF" id="wzneirong">(.*?)</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.Beautiful Soup(bs 4)
from get_html import download
from bs4 import BeautifulSoup
url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'
html = download(url)
# beautifulsoup
soup = BeautifulSoup(html,"html.parser")
#
country = soup.find(attrs={'class':'h2dabiaoti'}).text
survey_info = soup.find(attrs={'id':'wzneirong'}).text
print(country,survey_info)
3.lxml
from get_html import download
from lxml import etree #
url = 'https://guojiadiqu.bmcx.com/AFG__guojiayudiqu/'
page_content = download(url)
selector = etree.HTML(page_content)# xpath
country_select = selector.xpath('//*[@id="main_content"]/h2') #
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、「pythonでネットワーク爬虫類を書く」の3つの方法の性能対比を参照して、次の図のようになります。
ご参考までに。
締め括りをつける
ここでは、pythonのデータをつかむための3つの方法についての記事を紹介します。これまでの記事を検索したり、下記の関連記事を見たりしてください。これからもよろしくお願いします。