enjoy_code_的博客

解析网页技术 模块名 技术 特点 re模块 正则表达式 * 基于文本的特征来匹配或查找指定数据 *可以处理任何格式的字符串文档，类似于模糊匹配的效果 lxml模块beautifulsoup4 XPath和Beautiful Soup  基于HTML/XML文档的层次结构来确定达到指定节点的路径  更适合处理层级比较明显的数据 json模块 JSONPath 用于JSON文档的数据解析 解析工具的性能比较 抓取工具 速度 使用难度 安装难度 re 最快

浏览网页的过程可分为以下四个步骤： 浏览器通过DNS服务器查找域名对应的IP地址； 向IP地址对应的Web服务器发送请求； Web服务器响应请求，返回HTML页面； 浏览器解析HTML文本，并显示页面 实践内容： 1.使用urllib模块 import urllib.request as ur url="https://www.baidu.cn/" #访问目标网页 info = ur.urlopen(url) #return 得到一个response的对象 print(info