Python爬虫入门 | 6 将爬回来的数据存到本地
来源:互联网 发布:linux命令手册 编辑:程序博客网 时间:2024/06/17 17:33
1.用Python语句存储数据
写文件时,我们主要用到 with open() 语句:
with open(name,mode,encoding) as file: file.write() # 注意,with open() 后面的语句有一个缩进
name:包含文件名称的字符串,比如:‘xiaozhu.txt’;
mode:决定了打开文件的模式,只读/写入/追加等;
encoding:表示我们要写入数据的编码,一般为 utf-8 或者 gbk ;
file:表示我们在代码中对文件的命名。
用我们前面爬的小猪的例子来看一下,实际是什么样的:
from lxml import etreeimport requestsimport timewith open('/Users/mac/Desktop/xzzf.txt','w',encoding='utf-8') as f: for a in range(1,6): url = 'http://cd.xiaozhu.com/search-duanzufang-p{}-0/'.format(a) data = requests.get(url).text s=etree.HTML(data) file=s.xpath('//*[@id="page_list"]/ul/li') time.sleep(3) for div in file: title=div.xpath("./div[2]/div/a/span/text()")[0] price=div.xpath("./div[2]/span[1]/i/text()")[0] scrible=div.xpath("./div[2]/div/em/text()")[0].strip() pic=div.xpath("./a/img/@lazy_src")[0] f.write("{},{},{},{}\n".format(title,price,scrible,pic))
将写入的文件名 xzzf.txt,如果没有将自动创建。
/Users/mac/Desktop/xzzf.txt
在前面加了一个桌面的路径,它将存在桌面,如果不加路径,它将存在你当前工作目录中。
w:只写的模式,如果没有文件将自动创建;
encoding=’utf-8’:指定写入文件的编码为:utf-8,一般指定utf-8即可;
f.write("{} {} {} {}\n".format(title,price,scrible,pic))#将 title,price,scrible,pic 的值写入文件
来看一下存下来的数据是怎样的:
如果你没有指定文件路径,怎么找写在本地的文件呢?给你两种方法:
- 在 win10 中打开小娜(cortana),搜索你的文件名即可。
- 推荐软件“everything”,查询文件更方便快捷。
这个软件非常小,百度很容易找到,但确实是神器用了你会回来感谢我的~
所以还是建议你在写代码的时候,老老实实在文件名前面加上你想存放的路径。什么,你连路径怎么写都不知道?好吧,比如我想把文件存在桌面,那么怎么查看路径?
随便找一个文档,比如桌面的文档, 右键 >“属性”,“位置”后面的信息,就是该文档所在的路径了。
2.文件存为CSV格式
当然,你也可以将文件存为 .csv 格式,在 with open() 语句后更改文件后缀即可。
from lxml import etreeimport requestsimport timewith open('/Users/mac/Desktop/xiaozhu.csv','w',encoding='utf-8') as f: for a in range(1,6): url = 'http://cd.xiaozhu.com/search-duanzufang-p{}-0/'.format(a) data = requests.get(url).text s=etree.HTML(data) file=s.xpath('//*[@id="page_list"]/ul/li') time.sleep(3) for div in file: title=div.xpath("./div[2]/div/a/span/text()")[0] price=div.xpath("./div[2]/span[1]/i/text()")[0] scrible=div.xpath("./div[2]/div/em/text()")[0].strip() pic=div.xpath("./a/img/@lazy_src")[0] f.write("{},{},{},{}\n".format(title,price,scrible,pic))
另外,需要注意的是:CSV 每个字段之间要用逗号隔开,所以这里把之前的空格改为了逗号。
CSV 文件怎么打开?
一般情况下,用记事本就可以直接打开,如果你直接用 Excel 打开,很有肯能会出现乱码,就像下面这样:
Excel 打开 CSV 出现乱码怎么办?
- 在记事本中打开文件
- 另存为 – 选择编码为“ANSI”
再来看看之前的豆瓣TOP250图书写入文件:
from lxml import etreeimport requestsimport timewith open('/Users/mac/Desktop/top250.csv','w',encoding='utf-8') as f: for a in range(10): url = 'https://book.douban.com/top250?start={}'.format(a*25) data = requests.get(url).text s=etree.HTML(data) file=s.xpath('//*[@id="content"]/div/div[1]/div/table') time.sleep(3) for div in file: title = div.xpath("./tr/td[2]/div[1]/a/@title")[0] href = div.xpath("./tr/td[2]/div[1]/a/@href")[0] score=div.xpath("./tr/td[2]/div[2]/span[2]/text()")[0] num=div.xpath("./tr/td[2]/div[2]/span[3]/text()")[0].strip("(").strip().strip(")").strip() scrible=div.xpath("./tr/td[2]/p[2]/span/text()") if len(scrible) > 0: f.write("{},{},{},{},{}\n".format(title,href,score,num,scrible[0])) else: f.write("{},{},{},{}\n".format(title,href,score,num))
最后存下来的数据是这样的:
好了,这节课就到这里!
白白~
如果你想有专业老师授课、有系统性知识、有实时在线答疑的老师的话,可以加入我们的课程《Python爬虫(入门+进阶)》。
下节预告:Python爬虫入门 | 7 分类爬取豆瓣电影,解决动态加载问题
完整7节课程目录:
Python爬虫入门 | 1 Python环境的安装
Python爬虫入门 | 2 爬取豆瓣电影信息
Python爬虫入门 | 3 爬虫必备Python知识
Python爬虫入门 | 4 爬取豆瓣TOP250图书信息
Python爬虫入门 | 5 爬取小猪短租租房信息
Python爬虫入门 | 6 将爬回来的数据存到本地
Python爬虫入门 | 7 分类爬取豆瓣电影,解决动态加载问题
- Python爬虫入门 | 6 将爬回来的数据存到本地
- Python 爬虫 多线程爬取百度贴吧内容,并将内容存到本地
- python爬虫数据保存到本地各种格式的方法
- python3 爬虫日记(二) 将数据存到Mongodb
- Scrapy爬虫入门系列3 将抓取到的数据存入数据库与验证数据有效性
- 通过python将MySQL,Oracle查询的数据存到Excel文件
- 将崩溃日志存到本地
- iOS开发:将图片存到本地
- python爬虫--连接MongoDB 存数据
- Python 实现简单的爬虫功能并保存到本地
- Python爬虫下载网站上的图片到本地
- 将hive的元数据存到Oracle里
- 将Solr的数据存到Hdfs上
- python爬虫 爬取大众点评中所有行政区内的商户 将获取信息存于excle中
- Python 爬虫多线程爬取美女图片保存到本地
- android 数据保存之存到本地
- Python简单知乎爬虫--爬取页面的图片并下载到本地
- Python简单知乎爬虫--爬取页面的图片并下载到本地
- Unity GPU满负荷运算Demo
- vue-lazyload的使用
- bzoj1601: [Usaco2008 Oct]灌水
- 手撕微信H5支付遇到的坑
- Arduino Mega2560和Teensy3.1开发板知识
- Python爬虫入门 | 6 将爬回来的数据存到本地
- 运用数组,输出从小到大的10个数
- Android中的onActivityResult和setResult
- Python爬虫入门 | 7 分类爬取豆瓣电影,解决动态加载问题
- 3proxy.cfg 配置文件解析
- Java Arrylist的最大最小值
- naviCat执行sql文件不成功(欢迎补充)
- freemarker 生成代码
- 区块链,将如何重新定义世界