爬虫和数据清洗ETL

etlpy是python编写的网页数据抓取和清洗工具，核心文件etl.py不超过500行，具备如下特点爬虫和清洗逻辑基于xml定义，不需手工编写基于python生成器，流式处理，对内存无要求内置线程池，支持串行和并行处理内置正则解析，html转义，json转换等数据清洗功能，直接输出可用文件插件式设计，能够非常方便地...

日期：2020-08-25 浏览：2885次阅读全文