本文分享了利用pandas读取网页中的表格内容，并将其导入Excel文件的方法。同时，还进一步介绍了利用pandas在一个Excel中写入多个sheet。
最近接到一个任务，需要爬一个网站上的一些表格数据，然后导入到Excel表里。之前没有做过这方面的工作，第一想法就是解析表格内容，然后通过循环或者什么的把解析到的数据写入Excel文件里。当时的感觉是很麻烦。然而，在写爬虫的过程中，突然想到之前在用pandas的时候看到过read_html函数，结果果然搜到了。
读取html
读取这个函数使用起来很简单，只需要传入html格式的字符串就行了，如下所示：
import pandas ps pd
tables = pd.read_html(html)
这里的html是html格式的字符串，而得到的tables是一个列表，列表中的元素是从html中解析出的以DataFrame形式存在的数据对象，一个<table>标签就会得到一个DataFrame对象。我要解析的网页中<table>标签比较多，于是我先用BeautifulSoup进行网页的 解析，找到我想要的表格标签，然后在转换成html字符串，用这个函数读取。关于网页的解析，本文中不再赘述。
写入Excel文件
由于上一步得到的是DataFrame对象，因而写入Excel就比较简单了。比如我想把tables这个列表中的第一个表格数据写入一个Excel文件中，文件名定为“result.xlsx”，那么直接运行一下代码即可。
tables[0].to_excel("result.xlsx", index=False, header=False)
我这里将index和header指定为False是因为pandas写入Excel时，会默认写入每行的序号和每列的需要，将这两个参数设置成False就不会了。
如果要指定sheet_name，比如将sheet_name指定为“表一”，那么：
tables[0].to_excel("result.xlsx", sheet_name="表一", index=False, header=False)
但是，我们还有一个需求，那就是把同一年的数据都保存在一个Excel文件中，而一年的数据有很多表，我们要把表保存在不同的sheet里面。
举个例子，我们已经得到了2018年前两个月的数据，每个月有一个表，这两个月的数据读取成DataFrame对象分别是a和b，那么我们将这两个对象写入同一Excel文件的代码为：
excel_writer = pd.ExcelWriter("data_2018.xlsx")
a.to_excel(excel_writer, sheet_name="January", index=False, header=False)
b.to_excel(excel_writer, sheet_name="February", index=False, header=False)
excel_writer.save()
先写到这，想了解更多，可以参考这两个函数的文档：
https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.read_html.html
https://pandas.pydata.org/pandas-docs/version/0.17.0/generated/pandas.DataFrame.to_excel.html
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://ywsun.site/articles/3.html
网友评论