爬虫数据解析

Python中常见的解析技术：正则、xpath、BeautifullSoup、json模块、jsonpath
正则：从任意的字符串中查找需要数据
Ⅹpath, BeautifullSoup都是用于处理有层次结构的数据,比如:html,xmlisQn模块与 nonpath:专门用于处理json数据
性能
正则：最快,使用难度高,无需安装,内置re模块
Xpath：是通过c语言实现,速度比较快,使用比较简单,安装比较简单
BeautifullSoup：通过 python实现,速度比较慢,使用简单,安装比较简单
json模块：速度一般,使用非常简单,通过内置的json模块
jsonpath：速度一般,使用简单,安装比较简单

正则表达式（爬虫中常用的两种）
方法 功能 参数说明 返回值类型

import re

# 从“你好，hello，世界”从字符串中提取中文
text = '你好，hello，世界'

# 通过正则表达式，生成一个pattern对象(只用于匹配中文)
pattern = re.compile(r'[\u4e00-\u9fa5]+')
# 检索字符串，将匹配的中文存入列表
result = pattern.findall(text)
print(result)

xpath语法
1.选取节点

2、谓语（补充说明节点）

3、选取未知节点