2024，Python爬虫系统入门与多领域实战
获取ZY↑↑方打开链接↑↑
在 Python 爬虫中，响应的数据格式通常有多种，常见的包括 HTML、XML、JSON 等。以下是对这些数据格式的说明和解析方式：
一、HTML 格式
- 数据格式说明：
-
HTML（超文本标记语言）是用于创建网页的标准标记语言。它由一系列的标签和属性组成，用于定义网页的结构和内容。
-
当使用爬虫获取网页内容时，响应通常是 HTML 格式的文本。
-
解析方式：
-
使用 BeautifulSoup 库：BeautifulSoup 是一个强大的 Python 库，用于解析 HTML 和 XML 文档。它提供了简单易用的函数和方法，方便从 HTML 中提取所需的信息。
-
示例代码：
from bs4 import BeautifulSoup
import requests
response = requests.get('example.com')
soup = BeautifulSoup(response.text, 'html.parser')
提取标题
title = soup.title.string
print(title)
提取所有链接
links = soup.find_all('a')
for link in links:
print(link.get('href'))
二、XML 格式
- 数据格式说明：
-
XML（可扩展标记语言）是一种用于存储和传输数据的标记语言。它具有良好的结构性和可扩展性，可以自定义标签和属性。
-
XML 文档通常由元素、属性和文本组成，以树形结构组织。
-
解析方式：
-
使用 ElementTree 库：ElementTree 是 Python 标准库中的一个模块，用于处理 XML 数据。它提供了简单的 API，方便遍历和操作 XML 文档。
-
示例代码：
import xml.etree.ElementTree as ET
xml_data = """\ \ Item 1\ 10.99\ \ \ Item 2\ 15.99\ \ """
root = ET.fromstring(xml_data)
提取所有 item 元素
items = root.findall('item')
for item in items:
name = item.find('name').text
price = item.find('price').text
print(f"Name: {name}, Price: {price}")
三、JSON 格式
- 数据格式说明：
-
JSON（JavaScript 对象表示法）是一种轻量级的数据交换格式。它以键值对的形式表示数据，易于阅读和编写，也易于机器解析和生成。
-
JSON 数据可以表示对象、数组、字符串、数字、布尔值和 null 等数据类型。
-
解析方式：
-
使用 json 库：Python 的 json 库提供了函数用于将 JSON 字符串转换为 Python 对象，以及将 Python 对象转换为 JSON 字符串。
-
示例代码：
import requests
import json
response = requests.get('example.com/api/data')
data = json.loads(response.text)
提取数据中的某个字段
value = data['key']
print(value)
此外，还有其他一些数据格式，如 CSV（逗号分隔值）、TXT（纯文本）等，可以根据具体情况选择合适的解析方式。在解析数据时，需要根据数据的结构和格式，选择合适的库和方法，以高效地提取所需的信息。
举报/反馈
