8.3　数据清洗

Requests-HTML不仅优化了请求过程，还提供了数据清洗的功能，而Requests模块只提供请求方法，并不提供数据清洗，这也体现了Requests-HTML的一大优点。使用Requests开发的爬虫，数据清洗需要调用其他模块实现，而Requests-HTML则将两者结合在一起。

Requests-HTML提供了各种各样的数据清洗方法，比如网页里的URL地址、HTML源码内容、文本信息等，使用方法如下所示：

上述代码只是提取了网站的基本信息，如果想要精准地提取某个数据，可以使用find（）、xpath（）、search（）和search_all（）方法实现。首先了解这4种方法的定义及相关的参数说明：

以豆瓣电影的网页为例，在浏览器中打开豆瓣电影的网页并使用开发者工具分析网页信息，分别提取电影名与评分，网页元素信息如图8-2所示。

图8-2　数据精准提取

从图8-2中发现，电影名在标签〈li class="title"〉里，评分在标签〈li class="rating"〉里，因此上述4种定位方法的使用如下所示：

如果使用XPath Selector或CSS Selector实现元素定位，需要掌握XPath或CssSelector语法。这两者的语法本书不做详细介绍，有兴趣的读者可自行查阅相关资料。