侯体宗的博客
  • 首页
  • Hyperf版
  • beego仿版
  • 人生(杂谈)
  • 技术
  • 关于我
  • 更多分类
    • 文件下载
    • 文字修仙
    • 中国象棋ai
    • 群聊
    • 九宫格抽奖
    • 拼图
    • 消消乐
    • 相册

Python实现爬虫抓取与读写、追加到excel文件操作示例

Python  /  管理员 发布于 7年前   186

本文实例讲述了Python实现爬虫抓取与读写、追加到excel文件操作。分享给大家供大家参考,具体如下:

爬取糗事百科热门

安装 读写excel 依赖 pip install xlwt
安装 追加excel文件内容 依赖 pip install xlutils
安装 lxml

Python示例:

import csvimport requestsfrom lxml import etreeimport timeimport xlwtimport osfrom xlutils.copy import copyimport xlrddata_infos_list = []headers = {  'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 '         '(KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36'}# f = open('C:\\Users\\Administrator\\Desktop\\qiubaibook.csv', 'a+', newline='', encoding='utf-8')# writer = csv.writer(f)# writer.writerow(('author', 'sex', 'rank', 'content', 'great', 'comment', 'time'))filename = 'C:\\Users\\Administrator\\Desktop\\qiubaibook.xls'def get_info(url):  res = requests.get(url, headers=headers)  selector = etree.HTML(res.text)  # print(res.text)  htmls = selector.xpath('//div[contains(@class,"article block untagged mb15")]')  # // *[ @ id = "qiushi_tag_120024357"] / a[1] / div / span 内容  # //*[@id="qiushi_tag_120024357"]/div[2]/span[1]/i 好笑  # //*[@id="c-120024357"]/i 评论  # //*[@id="qiushi_tag_120024357"]/div[1]/a[2]/h2 作者  # //*[@id="qiushi_tag_120024357"]/div[1]/div 等级  # // womenIcon manIcon 性别  for html in htmls:    author = html.xpath('div[1]/a[2]/h2/text()')    if len(author) == 0:      author = html.xpath('div[1]/span[2]/h2/text()')    rank = html.xpath('div[1]/div/text()')    sex = html.xpath('div[1]/div/@class')    if len(sex) == 0:      sex = '未知'    elif 'manIcon' in sex[0]:      sex = '男'    elif 'womenIcon' in sex[0]:      sex = '女'    if len(rank) == 0:      rank = '-1'    contents = html.xpath('a[1]/div/span/text()')    great = html.xpath('div[2]/span[1]/i/text()') # //*[@id="qiushi_tag_112746244"]/div[3]/span[1]/i    if len(great) == 0:      great = html.xpath('div[3]/span[1]/i/text()')    comment = html.xpath('div[2]/span[2]/a/i/text()') # //*[@id="c-112746244"]/i    if len(comment) == 0:      comment = html.xpath('div[3]/span[2]/a/i/text()')    # classes = html.xpath('a[1]/@class')    # writer.writerow((author[0].strip(), sex, rank[0].strip(), contents[0].strip(), great[0].strip(),    #         comment[0].strip(), time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(time.time()))))    data_infos = [author[0].strip(), sex, rank[0].strip(), contents[0].strip(), great[0].strip(),           comment[0].strip(), time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(time.time()))]    data_infos_list.append(data_infos)def write_data(sheet, row):  for data_infos in data_infos_list:    j = 0    for data in data_infos:      sheet.write(row, j, data)      j += 1    row += 1if __name__ == '__main__':  urls = ['https://www.qiushibaike.com/8hr/page/{}/'.format(num) for num in range(1, 14)]  for url in urls:    print(url)    get_info(url)    time.sleep(2)  # 如果文件存在,则追加。如果文件不存在,则新建  if os.path.exists(filename):    # 打开excel    rb = xlrd.open_workbook(filename, formatting_info=True) # formatting_info=True 保留原有字体颜色等样式    # 用 xlrd 提供的方法获得现在已有的行数    rn = rb.sheets()[0].nrows    # 复制excel    wb = copy(rb)    # 从复制的excel文件中得到第一个sheet    sheet = wb.get_sheet(0)    # 向sheet中写入文件    write_data(sheet, rn)    # 删除原先的文件    os.remove(filename)    # 保存    wb.save(filename)  else:    header = ['author', 'sex', 'rank', 'content', 'great', 'comment', 'time']    book = xlwt.Workbook(encoding='utf-8')    sheet = book.add_sheet('糗百')    # 向 excel 中写入表头    for h in range(len(header)):      sheet.write(0, h, header[h])    # 向sheet中写入内容    write_data(sheet, 1)    book.save(filename)

更多关于Python相关内容可查看本站专题:《Python Socket编程技巧总结》、《Python正则表达式用法总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。


  • 上一条:
    python寻找list中最大值、最小值并返回其所在位置的方法
    下一条:
    python numpy和list查询其中某个数的个数及定位方法
  • 昵称:

    邮箱:

    0条评论 (评论内容有缓存机制,请悉知!)
    最新最热
    • 分类目录
    • 人生(杂谈)
    • 技术
    • linux
    • Java
    • php
    • 框架(架构)
    • 前端
    • ThinkPHP
    • 数据库
    • 微信(小程序)
    • Laravel
    • Redis
    • Docker
    • Go
    • swoole
    • Windows
    • Python
    • 苹果(mac/ios)
    • 相关文章
    • 在python语言中Flask框架的学习及简单功能示例(0个评论)
    • 在Python语言中实现GUI全屏倒计时代码示例(0个评论)
    • Python + zipfile库实现zip文件解压自动化脚本示例(0个评论)
    • python爬虫BeautifulSoup快速抓取网站图片(1个评论)
    • vscode 配置 python3开发环境的方法(0个评论)
    • 近期文章
    • 智能合约Solidity学习CryptoZombie第四课:僵尸作战系统(0个评论)
    • 智能合约Solidity学习CryptoZombie第三课:组建僵尸军队(高级Solidity理论)(0个评论)
    • 智能合约Solidity学习CryptoZombie第二课:让你的僵尸猎食(0个评论)
    • 智能合约Solidity学习CryptoZombie第一课:生成一只你的僵尸(0个评论)
    • 在go中实现一个常用的先进先出的缓存淘汰算法示例代码(0个评论)
    • 在go+gin中使用"github.com/skip2/go-qrcode"实现url转二维码功能(0个评论)
    • 在go语言中使用api.geonames.org接口实现根据国际邮政编码获取地址信息功能(1个评论)
    • 在go语言中使用github.com/signintech/gopdf实现生成pdf分页文件功能(0个评论)
    • gmail发邮件报错:534 5.7.9 Application-specific password required...解决方案(0个评论)
    • 欧盟关于强迫劳动的规定的官方举报渠道及官方举报网站(0个评论)
    • 近期评论
    • 122 在

      学历:一种延缓就业设计,生活需求下的权衡之选中评论 工作几年后,报名考研了,到现在还没认真学习备考,迷茫中。作为一名北漂互联网打工人..
    • 123 在

      Clash for Windows作者删库跑路了,github已404中评论 按理说只要你在国内,所有的流量进出都在监控范围内,不管你怎么隐藏也没用,想搞你分..
    • 原梓番博客 在

      在Laravel框架中使用模型Model分表最简单的方法中评论 好久好久都没看友情链接申请了,今天刚看,已经添加。..
    • 博主 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 @1111老铁这个不行了,可以看看近期评论的其他文章..
    • 1111 在

      佛跳墙vpn软件不会用?上不了网?佛跳墙vpn常见问题以及解决办法中评论 网站不能打开,博主百忙中能否发个APP下载链接,佛跳墙或极光..
    • 2016-10
    • 2016-11
    • 2018-04
    • 2020-03
    • 2020-04
    • 2020-05
    • 2020-06
    • 2022-01
    • 2023-07
    • 2023-10
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客