爬虫爬了5000+条书名，我以前没写代码前就手动筛选出300+条有用的书。现在写代码，爬虫程序爬书网页里面的东西。
怎么可以已经已经有的300+数据，把其余的4700+删除。
菜鸟学生一名，sql也只是会做网页的水平，触发器等高级的略懂，python最近自学的，也不会用爬虫框架，只是用urllib+re，数据库是sqlite
望解答，谢谢。第一问也不怎么懂规矩。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号
1
831
收藏
其实好办。
5000+和300+全部读出来，遍历一遍5000+，验证每个是否在300+里，是就留下。
Python的list查询是自动hash高效查询的，并没有性能问题。（哪怕不高效，5000*300个单元操作也并不是问题）
这个问题的麻烦反倒是：你整理的书名可能做了删改、排版等操作，或许不是和原书名完全一致的。如果有这种情况存在，请小心处理，不要生硬比较。