Python Web数据抓取（xpath版）

http://www.redicecn.com/html/blog/ html 这个版本较以前的“正则表达式版”而言，主要有如下几个改进： （1）采用SQLite缓存抓取的HTML页面，大大提升了二次数据处理的效率。第一次运行程序大约耗时6小时，之后只需3分钟左右便可完成。 （2）采用xpath替换以前的正则表达式进行HTML解析。xpath定位更加简单、方便，并且可以自动修正html错误语法。x

>>阅读原文<<