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:
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。
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()
data = json.loads(response["data"])
print(type(data))
print(data)
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?
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。
人生苦短,快学Python