遇到的问题

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:

  • 往往网页获取到的json数据转化为字典后 ,嵌套太多,一层接着一层,看起来一团糟的感觉 ,往往不知道哪个节点是哪个节点的下一级。

今天我们就是告诉大家一个好用的Python库——pprint,这可算是一个超实用的爬虫技巧,大家赶紧拿出你的小本本 ,记录下来 。

引入案例

下面我们以爬取腾讯新闻为例,看看最终爬取下来的是个什么玩意儿 。

import requests import json  china_url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5' 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() print(type(response)) print(response) 

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?

pprint模块的妙用

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

这是一个第三方库,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:

从图中可以看出,这个嵌套关系 ,一目了然,清清楚楚,明明白白 ,这样应该很好解析了吧。

下面在用一个简单的案例,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,因此你清楚了这中结构关系,只需要一个for循环 ,就可以很简单的拿到你想要的数据。

好了,今天的讲解就到这里,后面带大家讲述一下本文开头提到的json数据。

本文版权归QU快排Www.seoGurubLog.com 所有,如有转发请注明来出,竞价开户托管,seo优化请联系QQ▲61910465