龙空技术网

新手爬虫必备!一招搞定漂亮数据结构,超实用Python库,赶紧收藏

堂吉诃德没有夜晚 189

前言:

现在兄弟们对“python数据结构库”可能比较注意,朋友们都需要分析一些“python数据结构库”的相关内容。那么小编也在网络上搜集了一些对于“python数据结构库””的相关知识,希望小伙伴们能喜欢,兄弟们一起来学习一下吧!

在学习爬虫的时候,大家肯定碰到过返回的结果是json字符串格式的数据。对于这种数据我们通常使用的是json模块,将json字符串,转化为字典格式的数据,然后采用 "键值对" 方式,获取我们想要的数据。

但是存在一个问题:

我们爬取到的数据多为json数据,转化为字典后,嵌套太多。看起来密密麻麻,一团糟,毫无规律可言。

今天就告诉大家解决这个问题的宝藏Python库——pprint,这可算是一个超实用的爬虫技巧,大家赶紧拿出小本本,记录下来。

举例说明:

下面我们以腾讯新闻为爬取对象,看看最终得到的数据是个什么样子。

import requestsimport jsonchina_url = ';headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'}response = requests.get(url = china_url,headers = headers).json()data = json.loads(response["data"])print(type(data))print(data)

最后爬取结果如下:

我们利用json( )方法,直接将json字符串,转换为了dict格式的数据。扫描一下数据,我的妈!一大堆,我该怎么解析?有时候碰到爬取的结果比较简短时还好,要是一整页的数据这不是让人头疼么?

那么,有没有一种好的办法,能够快速帮助我们理清数据之间的关系呢?那么pprint模块是一个很好的选择。

pprint是啥?

pprint模块 提供了打印出任何Python数据结构类和方法。

pprint模块包含一个"漂亮的打印机",用于生成美观的数据结构视图。格式化程序生成数据结构的表示,可以由解释器正确解析,并且人们也可以轻松阅读。如果可能,输出将保留在一行中,并在分割为多行时缩进。

pprint是一个第三方库,在使用之前,我们需要pip安装。

pip install pprint  

安装后,直接导入即可。

from pprint import pprint  

接着,对于上述案例,我们使用 pprint( )函数,打印一下,看看会有什么好的效果呢?

from pprint import pprint    pprint(data)  

结果如下:

从图中就可以清楚地看出,这个嵌套关系,这样应该很好解析了吧?

下面再用一个简单的案例,带大家感受一下~

dic = { 'main': {'temp': 44, 'feels\_like': 40.42, 'temp\_min': 44,   'temp\_max': 44, 'pressure': 1002, 'humidity': 11},   'visibility': 6000, 'wind': {'speed': 4.1, 'deg': 290,   'gust': 9.3}, 'clouds': {'all': 30}, 'dt': 1590398990,   'sys': {'type': 1, 'id': 9165, 'country': 'IN',   'sunrise': 1590364538, 'sunset': 1590414050},   'timezone': 19800, 'id': 1273294, 'name': 'Delhi',   'cod': 200}

有这样一个嵌套字典,如果想要获sys标签下面的id数据,应该怎么办呢?

pprint(dic)  

结果如下:

对于上面这个数据,我想大家应该没问题了吧,如果想要获取sys标签下的id数据,你应该知道怎么做吧?

dic['sys']['id']

结果如下:

网页源代码的结果,基本是一致的,因此你清楚了这种结构关系,只需要一个for循环,就可以很简单的拿到你想要的数据。

到这里相信大家应该都对pprint这个模块有所了解了吧,可是非常实用的!还不赶紧收藏操练起来?

关注我,带大家了解更多的Python小技巧,定期还会有纯干货分享哦~

CSDN账号“小鱼Python”

标签: #python数据结构库