小編很開心在今日頭條和你們分享，前輩的經驗。希望一起共同進步。

需要更多的python私信小編“資料”為小編準備了全套的學習資料。

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式。雖然該正則表達式更容易適應未來變化，但又存在難以構造、可讀性差的問題。當在爬京東網的時候，正則表達式如下圖所示：

利用正則表達式實現對目標信息的精準採集

此外 ，我們都知道，網頁時常會產生變更，導致網頁中會發生一些微小的佈局變化時，此時也會使得之前寫好的正則表達式無法滿足需求，而且還不太好調試。當需要匹配的內容有很多的時候，使用正則表達式提取目標信息會導致程序運行的速度減慢，需要消耗更多內存。

二、BeautifulSoup

BeautifulSoup是一個非常流行的 Pyhon 模塊。該模塊可以解析網頁，並提供定位內容的便捷接口。通過'pip install beautifulsoup4'就可以實現該模塊的安裝了。

三、Lxml

Lxml模塊使用 C語言編寫，其解析速度比 BeautiflSoup更快，而且其安裝過程也更為複雜，在此小編就不贅述啦。XPath 使用路徑表達式在 XML 文檔中選取節點。節點是通過沿著路徑或者 step 來選取的。

四、CSS

CSS選擇器表示選擇元素所使用 的模式。BeautifulSoup整合了CSS選擇器的語法和自身方便使用API。在網絡爬蟲的開發過程中，對於熟悉CSS選擇器語法的人，使用CSS選擇器是個非常方便的方法。

五、性能對比

lxml 和正則表達式模塊都是C語言編寫的，而BeautifulSoup則是純Python 編寫的。下表總結了每種抓取方法的優缺點。

選擇器性能對比

需要注意的是。lxml在內部實現中，實際上是將CSS選擇器轉換為等價的Xpath選擇器。

六、總結

小編為自學的同學，準備了全套的學習資料。自學需要一個學習好氛圍，小編建立一個群，時不時的小編會在群裡發一些學習資料。歡迎小夥伴的加入。私信小編“資料”領取。

如果你的爬蟲瓶頸是下載網頁，而不是抽取數據的話，那麼使用較慢的方法（如BeautifulSoup） 也不成問題。如果只需抓取少量數據，並且想要避免額外依賴的話，那麼正則表達式可能更加適合。不過，通常情況下，lxml是抓取數據的最好選擇，這是因為該方法既快速又健壯，而正則表達式和BeautifulSoup只在某些特定場景下有用。

閱讀更多 璃沫小仙 的文章

關鍵字: 爬蟲 C語言 麻省理工