爬虫基础知识五

标签：ascii   link   爬虫   pytho   pip   字符串   class   元素   交换   

数据提取方法一

利用json

• 数据交换格式，看起来像python类型（列表，字典）的字符串
• 使用json之前需要导入 import  json
• 哪里会返回json的数据
  • 浏览器切换到手机版
  • 抓包app
• json.loads
  • 把json字符串转换为python类型
  • json.loads(json字符串)
• json.dumps
  • 把python类型转化为json字符串（用于保存数据到文本中）
  • json.dumps({})
  • json.dumps(ret,ensure_ascii=False,indent=2)
    • ensure_ascii:让中文显示成中文
    • indent:能够让下一级在上一级的基础上空格几个

数据提取方法二

利用xpath

• xpath
  • 一门从html中提取数据的语言
• xpath语法
  • xpath helper插件：帮助我们从elments中定位数据
  • 1.选择节点（标签）
    • /html/head/meta:能够选中html下的所有的meta标签
  • 2.//：能够从任意节点开始选择
    • //li ：当前页面上所有的li标签
    • /html/head//link ：head下的所有的link标签
  • 3.@符号的用途
    • 选择具体的某个元素：//div[@class=‘feed‘]/ul/li
      • 选择class=‘feed’的div下的ul下的li
    • a/@href：选择a的href的值
  • 4.获取文本：
    • /a/text()：获取a下的文本
    • /a//text():获取a下的所有的文本
  • 5.点前
    • ./a：当前节点下的a标签
• lxml
  • 安装：pip install lxml
  • 使用

    from lxml import etree
    element=etree.HTML("html字符串")
    element.xpath("")

爬虫基础知识五

标签：ascii   link   爬虫   pytho   pip   字符串   class   元素   交换   

原文地址：https://www.cnblogs.com/-chenxs/p/11415701.html