lxml和etree什么區(qū)別？ etree.parse文件直接接受文檔并根據(jù)文檔結(jié)構(gòu)進(jìn)行解析導(dǎo)入xml.etree.ElementTree文件作為ET樹=ET.解析（“國家u數(shù)據(jù).xml“”根=樹.g

lxml和etree什么區(qū)別？

etree.parse文件直接接受文檔并根據(jù)文檔結(jié)構(gòu)進(jìn)行解析

導(dǎo)入xml.etree.ElementTree文件作為ET

樹=ET.解析（“國家u數(shù)據(jù).xml“”

根=樹.getroot()

etree.html文件可以分析HTML文件：

頁=etree.HTML文件( html.lower文件（）.解碼（“utf-8”）

hrefs=頁面.xpath（u“//a”）

對于hrefs中的href:

打印href.attrib公司

寫爬蟲用什么語言好？

爬蟲選擇什么工具？

1. Crawler是一個網(wǎng)絡(luò)蜘蛛機(jī)器人，它能自動地抓取數(shù)據(jù)并根據(jù)我們的規(guī)則獲取數(shù)據(jù)

2。為什么使用爬蟲？私人定制搜索引擎獲取更多數(shù)據(jù)的時代不再是互聯(lián)網(wǎng)時代，而是大數(shù)據(jù)時代

3。爬蟲的原理：控制節(jié)點(diǎn)（URL分配器）、爬蟲節(jié)點(diǎn)（根據(jù)算法抓取數(shù)據(jù)并存儲在數(shù)據(jù)庫中）、資源庫（存儲爬蟲數(shù)據(jù)庫提供搜索）。爬蟲的設(shè)計(jì)思想：爬蟲的網(wǎng)絡(luò)地址，通過HTTP協(xié)議得到相應(yīng)的HTML頁面

5。爬蟲語言選擇：

PHP:雖然被評為“世界上最好的語言”，但作為爬蟲的缺點(diǎn)：沒有多線程的概念，對異步的支持很少，并發(fā)性不足，爬蟲對效率的要求很高

C/C Java:python最大的競爭對手，它非常龐大和笨重。爬蟲需要經(jīng)常修改代碼

Python：語言優(yōu)美，代碼介紹，多方功能模塊，調(diào)用替代語言接口，成熟的高分布式策略

PYT Java]Java有很多解析器，非常支持網(wǎng)頁解析。缺點(diǎn)是有很多Java開源爬蟲，比如nutch，中國有優(yōu)秀的webmagicjava解析器，比如Htmlparser和jsoup，可以滿足Java和python的通用需求。如果需要模擬登陸和反采集，選擇python更方便。如果需要處理復(fù)雜的網(wǎng)頁，解析網(wǎng)頁內(nèi)容生成結(jié)構(gòu)化數(shù)據(jù)或精細(xì)解析網(wǎng)頁內(nèi)容，可以選擇Java。