Python爬虫之抓取数据——正则表达式/Beautiful Soup/Lxml

本文介绍了Python爬虫中三种数据抓取方式:正则表达式、Beautiful Soup和Lxml,并对比了它们的性能。Lxml因C语言实现而速度最快,Beautiful Soup则能处理不规范的HTML。
摘要由CSDN通过智能技术生成

有三种抓取网页中数据的方式:正则表达式,Beautiful Soup和lxml。

正则表达式

items = re.findall(regexp, str)
items = re.findall('<div.*?class="p-img">.*?<a.*?title="(.*?)".*?href="(.*?)".*?="//(.*?)".*?<div.*?class="p-price">.*?<i>(.*?)</i>', str_page, re.S)
#(.*?)是希望抓取的数据。items是个列表,长度是匹配次数;items的元素本身也是个列表,长度是(.*?)出现的次数
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值