- 1、本文档共17页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
爬取淘票票信息
-确定爬取方法01获取网页源码02利用jsonpath解析数据03目录Content
爬取淘票票信息
确定爬取方法1
确定爬取方法各种爬取方法的优缺点Xpath的优缺点XPath的主要优点在于它能够快速地在HTML或XML文档中查找信息,它是一种强大的查询语言,能够在不同的节点、属性和文本之间进行精确的匹配。然而,使用XPath需要安装lxml模块
确定爬取方法Jsonpath的优缺点JSONPath的优点在于它的语法简单且易于学习,能够方便地从JSON文档中提取信息。然而,它只能用于处理JSON文档,而不能用于处理HTML或XML文档
确定爬取方法Beautifulsoup的优缺点BeautifulSoup的优点在于它支持多种解析器,包括Python标准库中的HTML解析器和第三方库中的lxml和html5lib解析器。此外,它还提供了一些简单的API,使得用户可以方便地从HTML或XML文档中提取信息。然而,BeautifulSoup的性能相对较差,尤其是在处理大量HTML或XML文档时,可能会导致较长的运行时间
确定爬取方法Jsonpath适用的场景JSONPath主要适用于处理JSON文档的场景。它是一种查询语言,允许你使用过滤条件来选择特定的节点,同时支持多个条件查询和数组索引及切片。例如,如果有一个多层嵌套的复杂字典,而你想要根据key和下标批量提取value,这时候可以使用JSONPath来轻松解决这个痛点。此外,在实际项目中,往往建议将JSONPath库与其他数据处理库(如requests、re、pandas等)结合使用,以便更高效地处理和分析数据本次实践我们将要爬取的内容为淘票票可以切换的所有城市。考虑淘票票官方的网页的特点和我们要爬取的数据的内容,我们选择jsonpath为爬取工具
获取网页源码2
获取网页源码抓接口鼠标右击,点击检查,进入Network。点击右侧带有下三角的北京两个字,即可找到接口
获取网页源码检验是否有反爬将网页地址复制进行搜索请求,发现没有结果,故此网页有反爬手段。可能是请求头有数据的限制
获取网页源码检验请求头的限制首先复制所有请求头,将请求头放进字典逐一请求。结果为带冒号的请求头都不可取经过上述操作即可获取到网页源码
利用jsonpath解析数据3
利用jsonpath解析数据处理源码内容由于源码内有不是json数据的内容,故我们需要对源码进行处理,处理内容就是对源码进行剪切。去掉影响json解析的内容
利用jsonpath解析数据保存到本地文件由于jsonpath工具的特点,它只能处理本地文件,故我们需要将处理过的源码保存到本地。我们可以利用withopen函数,将数据命名为淘票票城市数据。保存后即可得到json文件
利用jsonpath解析数据提取需要的数据利用jsonpath语法提取ReginName的内容即可。这样我们就成功得到了淘票票能切换的所用城市的数据
感谢聆听批评指导Thankyoutolistentocriticismguidance20XX
文档评论(0)