Python简单爬虫导出CSV文件

流程：模拟登录→获取Html页面→正则解析所有符合条件的行→逐一将符合条件的行的所有列存入到CSVData[]临时变量中→写入到CSV文件中

核心代码：

 ####写入Csv文件中            with open(self.CsvFileName, 'wb') as csvfile:                spamwriter = csv.writer(csvfile, dialect='excel')                #设置标题                spamwriter.writerow(["游戏账号","用户类型","游戏名称","渠道","充值类型","充值金额","返利金额","单号","日期"])                #将CsvData中的数据循环写入到CsvFileName文件中                for item in self.CsvData:                    spamwriter.writerow(item)

完整代码：

# coding=utf-8import urllibimport urllib2import cookielibimport reimport csvimport sysclass Pyw():    #初始化数据    def __init__(self):        #登录的Url地址        self.LoginUrl="http://v.pyw.cn/login/check"        #所要获取的Url地址        self.PageUrl="http://v.pyw.cn/Data/accountdetail/%s"        # 传输的数据：用户名、密码、是否记住用户名        self.PostData = urllib.urlencode({            "username": "15880xxxxxx",            "password": "a123456",            "remember": "1"        })        #第几笔记录        self.PageIndex=0;        #循环获取共4页内容        self.PageTotal=1        #正则解析出tr        self.TrExp=re.compile("(?isu)<tr[^>]*>(.*?)</tr>")        #正则解析出td        self.TdExp = re.compile("(?isu)<td[^>]*>(.*?)</td>")        #创建cookie        self.cookie = cookielib.CookieJar()        #构建opener        self.opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(self.cookie))        #解析页面总页数        self.Total=4        #####设置csv文件        self.CsvFileName="Pyw.csv"        #####存储Csv数据        self.CsvData=[]     #解析网页中的内容    def GetPageItem(self,PageHtml):        #循环取出Table中的所有行        for row in self.TrExp.findall(PageHtml):            #取出当前行的所有列            coloumn=self.TdExp.findall(row)            #判断符合的记录            if len(coloumn) == 9:                # print "游戏账号:%s" % coloumn[0].strip()                # print "用户类型:%s" % coloumn[1].strip()                # print "游戏名称:%s" % coloumn[2].strip()                # print "渠道:%s" % coloumn[3].strip()                # print "充值类型:%s" % coloumn[4].strip()                # print "充值金额:%s" % coloumn[5].strip().replace("￥", "")                # print "返利金额:%s" % coloumn[6].strip().replace("￥", "")                # print "单号:%s" % coloumn[7].strip()                # print "日期:%s" % coloumn[8].strip()                #拼凑行数据                d=[coloumn[0].strip(),                    coloumn[1].strip(),                    coloumn[2].strip(),                    coloumn[3].strip(),                    coloumn[4].strip(),                    coloumn[5].strip().replace("￥", ""),                    coloumn[6].strip().replace("￥", ""),                    coloumn[7].strip(),                    coloumn[8].strip()]                self.CsvData.append(d)    #模拟登录并获取页面数据    def GetPageHtml(self):        try:            #模拟登录            request=urllib2.Request(url=self.LoginUrl,data=self.PostData)            ResultHtml=self.opener.open(request)            #开始执行获取页面数据            while self.PageTotal<=self.Total:                #动态拼凑所要解析的Url                m_PageUrl = self.PageUrl % self.PageTotal                #计算当期第几页                self.PageTotal = self.PageTotal + 1                #获取当前解析页面的所有内容                ResultHtml=self.opener.open(m_PageUrl)                #解析网页中的内容                self.GetPageItem(ResultHtml.read())            ####写入Csv文件中            with open(self.CsvFileName, 'wb') as csvfile:                spamwriter = csv.writer(csvfile, dialect='excel')                #设置标题                spamwriter.writerow(["游戏账号","用户类型","游戏名称","渠道","充值类型","充值金额","返利金额","单号","日期"])                #将CsvData中的数据循环写入到CsvFileName文件中                for item in self.CsvData:                    spamwriter.writerow(item)            print "成功导出CSV文件！"        except Exception,e:            print "404 error!%s" % e#实例化类p=Pyw()#执行方法p.GetPageHtml()

导出结果