Python爬蟲解析網頁的4種方式 值得收藏
用Python寫爬蟲工具在現在是一種司空見慣的事情，每個人都希望能夠寫一段程序去互聯網上扒一點資料下來，用于數據分析或者干點別的事情。
我們知道，爬蟲的原理無非是把目標網址的內容下載下來存儲到內存中，這個時候它的內容其實是一堆HTML，然后再對這些HTML內容進行解析，按照自己的想法提取出想要的數據，所以今天我們主要來講四種在Python中解析網頁HTML內容的方法，各有千秋，適合在不同的場合下使用。
首先我們隨意找到一個網址，這時我腦子里閃過了豆瓣這個網站。嗯，畢竟是用Python構建的網站，那就拿它來做示范吧。
我們找到了豆瓣的Python爬蟲小組主頁，看起來長成下面這樣。
讓我們用瀏覽器開發者工具看看HTML代碼，定位到想要的內容上，我們想要把討論組里的帖子標題和鏈接都給扒出來。
通過分析，我們發現實際上我們想要的內容在整個HTML代碼的 這個區域里，那我們只需要想辦法把這個區域內的內容拿出來就差不多了。
現在開始寫代碼。
1: 正則表達式大法
正則表達式通常被用來檢索、替換那些符合某個模式的文本，所以我們可以利用這個原理來提取我們想要的信息。
參考以下代碼。
在代碼第6行和第7行，需要手動指定一下header的內容，裝作自己這個請求是瀏覽器請求，否則豆瓣會視為我們不是正常請求會返回HTTP 418錯誤。
在第7行我們直接用requests這個庫的get方法進行請求，獲取到內容后需要進行一下編碼格式轉換，同樣是因為豆瓣的頁面渲染機制的問題，正常情況下，直接獲取requests content的內容即可。
Python模擬瀏覽器發起請求并解析內容代碼:
- url = 'https://www.douban.com/group/491607/'headers = {"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10.14; rv:71.0) Gecko/20100101 Firefox/71.0"}response = requests.get(url=url,headers=headers).content.decode('utf-8')
正則的好處是編寫麻煩，理解不容易，但是匹配效率很高，不過時至今日有太多現成的HTMl內容解析庫之后，我個人不太建議再手動用正則來對內容進行匹配了，費時費力。
主要解析代碼:
- re_div = r'<table\s+class=\"olt\">[\W|\w]+</table>'pattern = re.compile(re_div)content = re.findall(pattern, str(response))re_link = r'<a .*?>(.*?)</a>'mm = re.findall(re_link, str(content), re.S|re.M)urls=re.findall(r"<a.*?href=.*?<\/a>", str(content), re.I|re.S|re.M)
2: requests-html
這個庫其實是我個人最喜歡的庫，作則是編寫requests庫的網紅程序員 Kenneth Reitz，他在requests的基礎上加上了對html內容的解析，就變成了requests-html這個庫了。
下面我們來看看范例：
我喜歡用requests-html來解析內容的原因是因為作者依據幫我高度封裝過了，連請求返回內容的編碼格式轉換也自動做了，完全可以讓我的代碼邏輯簡單直接，更專注于解析工作本身。
主要解析代碼:
- links = response.html.find('table.olt', first=True).find('a')
安裝途徑: pip install requests-html
3: BeautifulSoup
大名鼎鼎的 BeautifulSoup庫，出來有些年頭了，在Pyhton的HTML解析庫里屬于重量級的庫，其實我評價它的重量是指比較臃腫，大而全。
還是來先看看代碼。
- soup = BeautifulSoup(response, 'html.parser')links = soup.findAll("table", {"class": "olt"})[0].findAll('a')
BeautifulSoup解析內容同樣需要將請求和解析分開，從代碼清晰程度來講還將就，不過在做復雜的解析時代碼略顯繁瑣，總體來講可以用，看個人喜好吧。
安裝途徑: pip install beautifulsoup4
4: lxml的XPath
lxml這個庫同時 支持HTML和XML的解析，支持XPath解析方式，解析效率挺高，不過我們需要熟悉它的一些規則語法才能使用，例如下圖這些規則。
來看看如何用XPath解析內容。
主要解析代碼:
- content = doc.xpath("//table[@class='olt']/tr/td/a")
如上圖，XPath的解析語法稍顯復雜，不過熟悉了語法的話也不失為一種優秀的解析手段，因為。
安裝途徑: pip install lxml
四種方式總結
正則表達式匹配不推薦，因為已經有很多現成的庫可以直接用，不需要我們去大量定義正則表達式，還沒法復用，在此僅作參考了解。
BeautifulSoup是基于DOM的方式，簡單的說就是會在解析時把整個網頁內容加載到DOM樹里，內存開銷和耗時都比較高，處理海量內容時不建議使用。不過BeautifulSoup不需要結構清晰的網頁內容，因為它可以直接find到我們想要的標簽，如果對于一些HTML結構不清晰的網頁，它比較適合。
XPath是基于SAX的機制來解析，不會像BeautifulSoup去加載整個內容到DOM里，而是基于事件驅動的方式來解析內容，更加輕巧。不過XPath要求網頁結構需要清晰，而且開發難度比DOM解析的方式高一點，推薦在需要解析效率時使用。
requests-html 是比較新的一個庫，高度封裝且源碼清晰，它直接整合了大量解析時繁瑣復雜的操作，同時支持DOM解析和XPath解析兩種方式，靈活方便，這是我目前用得較多的一個庫。
除了以上介紹到幾種網頁內容解析方式之外還有很多解析手段，在此不一一進行介紹了。
寫一個爬蟲，最重要的兩點就是如何抓取數據，如何解析數據，我們要活學活用，在不同的時候利用最有效的工具去完成我們的目的。
