Python爬虫入门 | 6 将爬回来的数据存到本地

作者: DC学院 | 来源:发表于2017-12-15 09:00 被阅读336次

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 etree
import requests
import time

with 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 etree
import requests
import time

with 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 etree
import requests
import time

with 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))