前幾天小編連續寫(xiě)了四篇關(guān)于Python選擇器的文章，分別用正則表達式、BeautifulSoup、Xpath、CSS選擇器分別抓取京東網(wǎng)的商品信息。今天小編來(lái)給你們總結一下這四個(gè)選擇器，讓你們愈發(fā)深刻的理解和熟悉Python選擇器。

　　一、正則表達式

　　正則表達式為我們提供了抓取數據的快捷方法。雖然該正則表達式更容易適應未來(lái)變化網(wǎng)絡(luò )爬蟲(chóng) 正則表達式，但又存在無(wú)法構造、可讀性差的問(wèn)題。當在爬京東網(wǎng)的時(shí)侯，正則表達式如下圖所示：

　　利用正則表達式實(shí)現對目標信息的精準采集

　　此外 ，我們都曉得，網(wǎng)頁(yè)經(jīng)常會(huì )形成變更，導致網(wǎng)頁(yè)中會(huì )發(fā)生一些微小的布局變化時(shí)，此時(shí)也會(huì )促使之前寫(xiě)好的正則表達式未能滿(mǎn)足需求，而且還不太好調試。當須要匹配的內容有很多的時(shí)侯，使用正則表達式提取目標信息會(huì )導致程序運行的速率減緩，需要消耗更多顯存。

　　二、BeautifulSoup

　　BeautifulSoup是一個(gè)十分流行的 Pyhon 模塊。該模塊可以解析網(wǎng)頁(yè)，并提供定位內容的方便插口。通過(guò)'pip install beautifulsoup4'就可以實(shí)現該模塊的安裝了。

　　利用美麗的湯去提取目標信息

　　使用 BeautifulSoup的第一步是將己下載的 HTML 內容解析為 soup文檔。由 于大多數網(wǎng)頁(yè)都不具備良好的HTML 格式，因此BeautifulSoup須要對實(shí)際格式進(jìn)行確定。BeautifulSoup才能正確解析缺位的冒號并閉合標簽，此外都會(huì )添加＜html ＞和＜body＞標簽讓其成為完整的HTML文檔。通常使用find() 和find_all()方法來(lái)定位我們須要的元素。

　　如果你想了解BeautifulSoup全部方式和參數，可以查閱BeautifulSoup的官方文檔。雖然BeautifulSoup在代碼的理解上比正則表達式要復雜一些，但是其愈發(fā)容易構造和理解。

　　三、Lxml

　　Lxml模塊使用 C語(yǔ)言編撰，其解析速率比 BeautiflSoup更快，而且其安裝過(guò)程也更為復雜，在此小編就不贅言啦。XPath 使用路徑表達式在 XML 文檔中選定節點(diǎn)。節點(diǎn)是通過(guò)順著(zhù)路徑或則 step 來(lái)選定的。

　　Xpath選擇器

　　使用 lxml 模塊的第一步和BeautifulSoup一樣，也是將有可能不合法的HTML 解析為 統一格式。 雖然Lxml可以正確解析屬性?xún)蛇吶蔽坏拿疤柧W(wǎng)絡(luò )爬蟲(chóng) 正則表達式，并閉合標簽，不過(guò)該模塊沒(méi)有額外添加＜html ＞和＜body＞標簽 。

　　在線(xiàn)復制Xpath表達式可以很方便的復制Xpath表達式。但是通過(guò)該方式得到的Xpath表達式置于程序中通常不能用，而且長(cháng)的無(wú)法看。所以Xpath表達式通常還是要自己親自上手。

　　四、CSS

　　CSS選擇器表示選擇元素所使用 的模式。BeautifulSoup整合了CSS選擇器的句型和自身便捷使用API。在網(wǎng)路爬蟲(chóng)的開(kāi)發(fā)過(guò)程中，對于熟悉CSS選擇器句型的人，使用CSS選擇器是個(gè)十分便捷的方式。

　　CSS選擇器

　　下面是一些常用的選擇器示例。