新手爬虫必备!一招搞定漂亮数据结构，超实用Python库，赶紧收藏

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：

我们爬取到的数据多为json数据，转化为字典后，嵌套太多。看起来密密麻麻，一团糟，毫无规律可言。

今天就告诉大家解决这个问题的宝藏Python库——pprint，这可算是一个超实用的爬虫技巧，大家赶紧拿出小本本，记录下来。

举例说明:

下面我们以腾讯新闻为爬取对象，看看最终得到的数据是个什么样子。

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)

最后爬取结果如下：

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？有时候碰到爬取的结果比较简短时还好，要是一整页的数据这不是让人头疼么？

那么，有没有一种好的办法，能够快速帮助我们理清数据之间的关系呢？那么pprint模块是一个很好的选择。

pprint是啥？

pprint模块 提供了打印出任何Python数据结构类和方法。

pprint模块包含一个"漂亮的打印机"，用于生成美观的数据结构视图。格式化程序生成数据结构的表示，可以由解释器正确解析，并且人们也可以轻松阅读。如果可能，输出将保留在一行中，并在分割为多行时缩进。

pprint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：

从图中就可以清楚地看出，这个嵌套关系，这样应该很好解析了吧？

下面再用一个简单的案例，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，因此你清楚了这种结构关系，只需要一个for循环，就可以很简单的拿到你想要的数据。

到这里相信大家应该都对pprint这个模块有所了解了吧，可是非常实用的！还不赶紧收藏操练起来？

关注我，带大家了解更多的Python小技巧，定期还会有纯干货分享哦~