【爬虫知识】比lxml和bs4都要好？解析器parsel的使用

文本提取

爬虫程序中，一个非常重要的步骤就是从源代码中提取所需要的文本数据，提取的方法是非常多样的，比如说可以使用python内置的字符串函数，或者是使用正则表达式。如果是结构化的数据的话，可能还会用到json等

当然，一般来说，像html这种格式的数据，使用通用的文本提取方式比较麻烦，效率不高。而通过xml的解析器的方式，直接提取数据，是较为容易的，常用的解析器有lxml以及beautifulsoup4

关于lxml和bs4的优缺点，在往期的文章中我们也有过对比，简单概括的话，我们可以这样认为：一般来说，lxml更擅长于使用xpath的解析器，而bs4更擅长于使用css的解析器。当然，你会用任何一种都是可以的，并非要两种都学会，只是如果你更喜欢用xpath的话，可以考虑lxml，如果更喜欢css的话，可以考虑使用bs4

这时候就有人有疑问了，“小孩子才做选择题，我全都要！为什么我不可以同时使用xpath和css呢？比如说我使用scrapy中的Selector不是更好吗？“

确实如此，比如说之前我在这篇文章中对比了bs4和scrapy的Selector，结果证明Selector确实很好用，但是用的人却不多，这又是为什么呢？

一个可能原因就是，很多人可能并不希望为了一个解析器要专门下载scrapy，好吧，这也就是本文的