Question

我有使用BeautifulSoup库进行解析的代码，但速度非常慢。编写代码的方式是不能使用线程。任何人都可以帮我这个吗？

我正在使用BeautifulSoup进行解析而不是保存到数据库中。如果我注释掉save语句，它仍然需要很长时间，因此数据库没有问题。

def parse(self,text):                
    soup = BeautifulSoup(text)
    arr = soup.findAll('tbody')                

    for i in range(0,len(arr)-1):
        data=Data()
        soup2 = BeautifulSoup(str(arr[i]))
        arr2 = soup2.findAll('td')

        c=0
        for j in arr2:                                       
            if str(j).find("<a href=") > 0:
                data.sourceURL = self.getAttributeValue(str(j),'<a href="')
            else:  
                if c == 2:
                    data.Hits=j.renderContents()

            #and few others...

            c = c+1

            data.save()

有什么建议吗？

注意：我已经问过这个问题here但由于信息不完整而关闭了。

Answer 1

soup2 = BeautifulSoup(str(arr[i]))
arr2 = soup2.findAll('td')

请勿这样做：只需拨打arr2 = arr[i].findAll('td')即可。

这也会很慢：

if str(j).find("<a href=") > 0:
    data.sourceURL = self.getAttributeValue(str(j),'<a href="')

假设getAttributeValue为您提供href属性，请改用：

a = j.find('a', href=True)       #find first <a> with href attribute
if a:
    data.sourceURL = a['href']
else:
    #....

通常，如果您只想解析它并提取值，则不需要将BeautifulSoup对象转换回字符串。由于find和findAll方法可以为您提供可搜索的对象，因此您可以通过调用find / findAll /等继续搜索。关于结果的方法。

优化BeautifulSoup（Python）代码

1 个答案: