大佬详细告诉你实战四种不同爬虫解析数据方法，保姆级讲解 必须掌握！

Posted 2021-06-27 不加班的程序员丶

1、前言

爬虫解析数据有很多种，爬取不同的数据，返回的数据类型不一样，有html、json、xml、文本（字符串）等多种格式！

掌握这四种解析数据的方式，无论什么样的数据格式都可以轻松应对处理。

这四种方式分别是：1.x****path、2.bs4、3.json、4.正则。

下面以实战方式讲解这四种技术如何使用！！！

需要相关资料的可以点击【领取资料】

2、Xpath

1.请求数据

请求链接如下，以小说网站：新笔趣阁，为案例进行讲解

http://www.xbiquge.la/xuanhuanxiaoshuo/

导入相应的库

import requests from lxml import etree

开始请求数据

headers = {             'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/69.0.3947.100 Safari/537.36',         } url="http://www.xbiquge.la/xuanhuanxiaoshuo/" res = requests.get(url,headers=headers) res.encoding = 'utf-8' text = res.text

2.解析数据

比如我们要获取下面这些数据（小说名称）【资料领取】

分析网页标签

数据在class="l"-> ul ->li标签中

selector = etree.HTML(text) list = selector.xpath('//*[@class="l"]/ul/li')

解析li中数据

可以看到，数据在li->span->a 标签中

for i in list:     title = i.xpath('.//span/a/text()')     href = i.xpath('.//span/a/@href')     print(title)     print(href)     print("--------")

3、Bs4

1.请求数据 

请求链接如下，同样以小说网站：新笔趣阁，为案例进行讲解  【资料领取】

http://www.xbiquge.la/xuanhuanxiaoshuo/

导入相应的库

import requests from bs4 import BeautifulSoup

开始请求数据

headers = {             'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36',         } url="http://www.xbiquge.la/xuanhuanxiaoshuo/" res = requests.get(url,headers=headers) res.encoding = 'utf-8' text = res.text

 

2.解析数据

比如我们要获取下面这些数据（小说名称）【资料领取】

分析网页标签

可以看到，数据在span中（class="s2") 标签中

法一

###法一 list = soup.find_all(attrs={'class':'s2'}) for i in list:     print(i.a.get_text())     print(i.a.get("href"))     print("--------") print(len(list))

法二

####法二 # 获取所有的链接 all_link = [(link.a['href'], link.a.get_text()) for link in soup.find_all('li')] for i in all_link:    print(i)

4、json

1.请求数据

请求链接如下，获取ip定位，为案例进行讲解  【资料领取】

https://restapi.amap.com/v3/ip?key=0113a13c88697dcea6a445584d535837&ip=123.123.123.123

导入相应的库

import requests import json

开始请求数据

ip = "123.123.123.123" url="https://restapi.amap.com/v3/ip?key=0113a13c88697dcea6a445584d535837&ip="+str(ip) res = requests.get(url,headers=headers) res.encoding = 'utf-8' text = res.text

2.解析数据

比如我们要获取下面这些数据（省份和城市）  【资料领取】

text = res.text print(text) ##text不是json类型的话，则转为json类型 text = json.loads(text) print("省份="+text['province']+",城市="+text['city'])

5、正则表达式

1.请求数据

请求链接如下，以小说网站：新笔趣阁，为案例进行讲解h   【资料领取】

ttp://www.xbiquge.la/xuanhuanxiaoshuo/

导入相应的库

import requests import re

开始请求数据

headers = {             'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3947.100 Safari/537.36',         } url="http://www.xbiquge.la/xuanhuanxiaoshuo/" res = requests.get(url,headers=headers) res.encoding = 'utf-8' text = res.text

2.解析数据

比如我们要获取下面这些数据（小说名称）  【资料领取】

分析网页html

可以看到，数据在li->span->a 标签中，a标签前有“《”，后有“》”`

pattern = re.compile('《.*?》')
items = re.findall(pattern, text)

for i in items:
print(i)
`

6、总结

1.以实战方式讲解了四种不同解析数据的方式

2.讲解过程一步一步截图说明，方便小白入门学习！

3.本文干货满满，推荐收藏！收藏！收藏！

需要相关资料的可以扫一扫备注【python资料】