前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >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

作者头像
龙哥
发布2018-10-22 14:25:39
1.5K0
发布2018-10-22 14:25:39
举报
文章被收录于专栏:Python绿色通道

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

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

代码语言:javascript
复制
# 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'\u54c1\u724c', u'size', u'\u4ef7\u683c', u'\u6027\u522b']
[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'\u54c1\u724c', u'Nike', u'addida', u'zara', u'Lining', u'kappa']
[u'size', 90.0, 88.0, 87.0, 33.0, 33.0]
[u'\u4ef7\u683c', 1033.0, 444.0, 333.0, 22.0, 222.0]
[u'\u6027\u522b', u'\u7537', u'\u5973', u'\u7537', u'\u7537', u'\u7537']
444.0
Nike
90.0
1033.0
男
----------------------
addida
88.0
444.0
女
----------------------
zara
87.0
333.0
男
----------------------
Lining
33.0
22.0
男
----------------------
kappa
33.0
222.0
男
----------------------

很简单没有什么要解释的了

2. 复习一下range函数

代码语言:javascript
复制
# >>> 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

代码语言:javascript
复制
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

代码语言:javascript
复制
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

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

代码语言:javascript
复制
# 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:

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。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2018-01-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 Python绿色通道 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1. 读execl文件
  • 2. 复习一下range函数
  • 3. 写入execl
  • 3. 把爬取的猪八戒数据插入到execl中
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档