0°

Python爬虫:把爬取到的数据插入到execl中

内容预览:
  • Python爬虫:现学现用xpath爬取豆瓣音乐 Python爬取大量数据时,如何防...~
  • 推荐阅读: Python爬虫:现学现用xpath爬取豆瓣音乐 Python爬虫系列:用...~
  • 最后 :大家也可以加我个人微信:hg_liuzl,  注明:Python学习,拉你...~

原文始发于微信公众号(Python绿色通道):Python爬虫:把爬取到的数据插入到execl中

前面我们把大量数据已经爬取到了本地,但这些数据如果不存储起来,那么就会变得无效.开始本文之前,请确保已经阅读。


Python爬虫:现学现用xpath爬取豆瓣音乐

Python爬取大量数据时,如何防止IP被封


我们已经把数据爬到本地并已经插入execl,上效果图


Python爬虫:把爬取到的数据插入到execl中


操作Execl其实里面很多东西要去了解,但这里我讲常用的读写,满足我们的一般需求,感兴趣的朋友可以自己去深入。

1. 读execl文件

需要安装 xlrd库,老办法,直接在setting中安装,然后导入放可使用python读取execl

操作这样的execl列表

Python爬虫:把爬取到的数据插入到execl中


# coding=utf-8

import xlrd

data = xlrd.open_workbook('execl_file.xlsx')
table = data.sheets()[0]    #通过索引顺序获取table, 一个execl文件一般都至少有一个table
print table.nrows   #行数
print table.ncols   #列数

for k in range(table.nrows):    #遍历行数据
   print table.row_values(k)

for i in range(table.ncols):    #便利列数据
   print table.col_values(i)

print table.cell(2,2).value     #获取单元格数据,前一个是行数,从0开始,后一个是列数,且列数从0开始

for a in range(1,table.nrows):        #行数据,我正好要去掉第1行标题
   for b in range(table.ncols):
         print table.cell(a,b).value  
   print '----------------------'

得到结果:

6
4
[u'u54c1u724c', u'size', u'u4ef7u683c', u'u6027u522b']
[u'Nike', 90.0, 1033.0, u'u7537']
[u'addida', 88.0, 444.0, u'u5973']
[u'zara', 87.0, 333.0, u'u7537']
[u'Lining', 33.0, 22.0, u'u7537']
[u'kappa', 33.0, 222.0, u'u7537']
[u'u54c1u724c', u'Nike', u'addida', u'zara', u'Lining', u'kappa']
[u'size', 90.0, 88.0, 87.0, 33.0, 33.0]
[u'u4ef7u683c', 1033.0, 444.0, 333.0, 22.0, 222.0]
[u'u6027u522b', u'u7537', u'u5973', u'u7537', u'u7537', u'u7537']
444.0
Nike
90.0
1033.0

----------------------
addida
88.0
444.0

----------------------
zara
87.0
333.0

----------------------
Lining
33.0
22.0

----------------------
kappa
33.0
222.0

----------------------

很简单没有什么要解释的了

2. 复习一下range函数

# >>> range(1,5) #代表从1到5(不包含5)
# [1, 2, 3, 4]
# >>> range(1,5,2) #代表从1到5,间隔2(不包含5)
# [1, 3]
# >>> range(5) #代表从0到5(不包含5)
# [0, 1, 2, 3, 4]

3. 写入execl

需要安装xlwt库,老办法自己先安装,不多说了,需要导入xlwt然后放可使用python写入数据

workbook = xlwt.Workbook(encoding='utf-8')#创建workbook 其实就是execl,
worksheet = workbook.add_sheet('my_worksheet') #创建表,如果想创建多个,直接在后面再add_sheet
worksheet.write(0,0,label ='Row 0,Column 0 Value')         #3个参数,第一个参数表示行,从0开始,第二个参数表示列从0开始,第三个参数表示插入的数值
workbook.save('execl_liu.xlsx')        #写完记得一定要保存

完整实例代码

f = xlwt.Workbook() #创建工作薄
#创建个人信息表
sheet1 = f.add_sheet(u'个人信息',cell_overwrite_ok=True)
rowTitle = [u'编号',u'姓名',u'性别',u'年龄']
rowDatas = [[u'张一',u'男',u'18'],[u'李二',u'女',u'20'],[u'黄三',u'男',u'38'],[u'刘四',u'男',u'88']]


for i in range(0,len(rowTitle)):
   sheet1.write(0,i,rowTitle[i],set_style('Times new Roman',220,True)) 后面是设置样式

for k in range(0,len(rowDatas)):    #先遍历外层的集合,即每行数据
   rowDatas[k].insert(0,k+1)   #每一行数据插上编号即为每一个人插上编号
   for j in range(0,len(rowDatas[k])): #再遍历内层集合
       sheet1.write(k+1,j,rowDatas[k][j])          #写入数据,k+1表示先去掉标题行,另外每一行数据也会变化,j正好表示第一列数据的变化,rowdatas[k][j] 插入数据


#创建个人收入表
sheet1 = f.add_sheet(u'个人收入表',cell_overwrite_ok=True)
rowTitle2 = [u'编号',u'姓名',u'学历',u'工资']
rowDatas2 = [[u'张一',u'本科',u'8000'],[u'李二',u'硕士',u'10000'],[u'黄三',u'博士',u'20000'],[u'刘四',u'教授',u'50000']]

for i in range(0,len(rowTitle2)):
   sheet1.write(0,i,rowTitle2[i])

for k in range(0,len(rowDatas2)):    #先遍历外层的集合
   rowDatas2[k].insert(0,k+1)   #每一行数据插上编号即为每一个人插上编号
   for j in range(0,len(rowDatas2[k])): #再遍历内层集合
       sheet1.write(k+1,j,rowDatas2[k][j])          #写入数据,k+1表示先去掉标题行,另外每一行数据也会变化,j正好表示第一列数据的变化,rowdatas[k][j] 插入数据

f.save('info.xlsx')

最后得到的效果图

Python爬虫:把爬取到的数据插入到execl中

Python爬虫:把爬取到的数据插入到execl中


3. 把爬取的猪八戒数据插入到execl中

这里直接上代码了,相关的注释都在代码里

# coding=utf-8

import requests
import time
import xlwt
import xlrd
from lxml import etree

class ZbjData(object):

def __init__(self):
    self.f = xlwt.Workbook()   #创建工作薄
    self.sheet1 = self.f.add_sheet(u'任务列表',cell_overwrite_ok=True)
    self.rowsTitle = [u'编号',u'标题',u'简介',u'价格',u'截止时间',u'链接']
    for i in range(0, len(self.rowsTitle)):
       self.sheet1.write(0, i, self.rowsTitle[i], self.set_style('Times new Roman', 220, True))

    self.f.save('zbj.xlsx')

def set_style(self,name, height, bold=False):
       style = xlwt.XFStyle()  # 初始化样式
       font = xlwt.Font()  # 为样式创建字体
       font.name = name
       font.bold = bold
       font.colour_index = 2
       font.height = height
       style.font = font
       return style

def getUrl(self):
   for i in range(33):
       url = 'http://task.zbj.com/t-ppsj/p{}s5.html'.format(i+1)
       self.spiderPage(url)

def spiderPage(self,url):
   if url is None:
       return None

   try:
       data = xlrd.open_workbook('zbj.xlsx')
       table = data.sheets()[0]  # 通过索引顺序获取table, 一个execl文件一般都至少有一个table
       rowCount = table.nrows      #获取行数   ,下次从这一行开始
       proxies = {
           'http': 'http://221.202.248.52:80',
       }
       user_agent = 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/53.0.2785.104 Safari/537.36 Core/1.53.4295.400'

       headers = {'User-Agent': user_agent}
       htmlText = requests.get(url, headers=headers,proxies=proxies).text

       selector = etree.HTML(htmlText)
       tds = selector.xpath('//*[@class="tab-switch tab-progress"]/table/tr')
       m = 0
       for td in tds:
            data = []
            price = td.xpath('./td/p/em/text()')
            href = td.xpath('./td/p/a/@href')
            title = td.xpath('./td/p/a/text()')
            subTitle = td.xpath('./td/p/text()')
            deadline = td.xpath('./td/span/text()')
            price = price[0] if len(price)>0 else ''    # python的三目运算 :为真时的结果 if 判定条件 else 为假时的结果
            title = title[0] if len(title)>0 else ''
            href = href[0] if len(href)>0 else ''
            subTitle = subTitle[0] if len(subTitle)>0 else ''
            deadline = deadline[0] if len(deadline)>0 else ''

           #拼装成一个集合
            data.append(rowCount+m)    #加个序号
            data.append(title)
            data.append(subTitle)
            data.append(price)
            data.append(deadline)
            data.append(href)

            for i in range(len(data)):
                self.sheet1.write(rowCount+m,i,data[i])    #写入数据到execl中

            m+=1   #记录行数增量
            print m
            print price, title, href, subTitle, deadline

   except Exception,e:
       print '出错',e.message

   finally:
       self.f.save('zbj.xlsx')


if '_main_':
   zbj = ZbjData()
   zbj.getUrl()


最后的效果图是:

Python爬虫:把爬取到的数据插入到execl中

注意这里爬取数据的时候,有的代理ip还是被禁用了,所以获取数据有失败的情况,所以这里需要有异常处理..

当然数据还应该存入到数据库中,所以下一篇我们会来讲讲如何把数据插入到数据库中。


推荐阅读:

Python爬虫:现学现用xpath爬取豆瓣音乐

Python爬虫系列:用邮件来通知爬虫异常状况

Python爬虫学前普及


的Python之旅

Python爬虫:把爬取到的数据插入到execl中

长按,识别二维码,加关注



目前100000+人已关注加入我们

Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中

Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中 Python爬虫:把爬取到的数据插入到execl中



关注公众号即可领取5T学习资料: 数据结构, 小程序, 前端, PHP, Java ,Android, Python, 大数据, 人工智能等!


公众号后台回复 红包,获取福利。


最后 :大家也可以加我个人微信:hg_liuzl,  注明:Python学习,拉你进群学习,一个纯粹的Python学习环境


和大佬一起学习网络安全知识

以上就是:Python爬虫:把爬取到的数据插入到execl中 的全部内容

本站部分内容来源于互联网和用户投稿,如有侵权请联系我们删除,谢谢^^
Email:[email protected]


0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论