Python Web數據抓取（xpath版）

http://www.redicecn.com/html/blog/ html 這個版本較以前的「正則表達式版」而言，主要有如下幾個改進： （1）採用SQLite緩存抓取的HTML頁面，大大提升了二次數據處理的效率。第一次運行程序大約耗時6小時，之後只需3分鐘左右便可完成。 （2）採用xpath替換以前的正則表達式進行HTML解析。xpath定位更加簡單、方便，並且可以自動修正html錯誤語法。x

>>阅读原文<<