码迷,mamicode.com
首页 > Web开发 > 详细

(完整)爬取数据存储之TXT、JSON、CSV存储

时间:2019-02-07 10:53:55      阅读:271      评论:0      收藏:0      [点我收藏+]

标签:com   ice   exp   改变   只读   link   www   one   一个   

一、文件存储

1. TXT文本存储

例:知乎发现页面,获得数据存成TXT文本

import requests
from pyquery import PyQuery as pq
url="https://www.zhihu.com/explore"

headers={‘User-Agent‘:‘ozilla/5.0 (iPhone; CPU iPhone OS 11_3 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Mobile/15E5216a QQ/7.5.5.426 V1_IPH_SQ_7.5.5_1_APP_A Pixel/1080 Core/UIWebView Device/Apple(iPhone 8Plus) NetType/WIFI QBWebViewType/1‘
        }
html=requests.get(url,headers=headers).text
doc=pq(html)
#问题列表
items=doc(‘.explore-tab .feed-item‘).items()
for item in items:
    question=item.find(‘h2‘).text()
    author=item.find(‘.author-link‘).text()
    answer=pq(item.find(‘.content‘).html()).text()
    with open(‘zhihu_explore.text‘,‘a‘,encoding=‘utf-8‘) as file:
        file.write(‘\n‘.join([question,author,answer]))
        file.write(‘\n‘+‘=‘*50+‘\n‘)

注意:

  1. 在用pyquery解析时,一定要找准属性进行匹配;
  2. 打开文件open()函数第二个参数设置为a,其他值:
   r:以只读方式打开文件
   w:以写入方式打开文件(覆盖之前文件)
   a:以追加方式打开文件(不覆盖之前文件,追加上)
   特:后面跟 + :代表以读写方式打开文件
       后面跟 b :代表以二进制方式打开文件

3.每次open()打开文件后都要用close()关闭,直接用 with as 语句,会自动关闭文件。

2.JSON文件存储

JSON,是JavaScript对象标记,通过对象和数组的组合来表示数据

对象:数据结构为{key1:value1,key2:value2,...}的键值对结构
数组:数据结构为[‘Java‘,‘javascript‘,‘vb‘,...]的索引结构
(1)读取JSON文件

loads():把数据从JSON文本字符串转为JSON对象
dumps():把数据从JSON对象转为文本字符串
data=json.loads(str)  //type(data)是list对象
str=json.dumps(data) //type(str)是字符串

获取属性值:
data[0][‘name‘] 或
data[0].get(‘name‘)     //两种方式获取第一个元素的name属性的值;
       .get(‘name‘,tom) //.get()方式更好:当没有name值时,会报None且可以用用第二个参数设定默认值
读取:
import json
 with open(‘data.json‘,‘r‘) as file:
    str=file.read()
    data=json.loads(str)

注意:

  1. JSON的数据需要双引号来包围。
  2. 在data.json文件中是以字符串存在,读取时要用loads()转成JSON对象来应用,存储时用dumps()把JSON对象存成字符串。

(2)输出JSON,写入文件

with open(‘data.json‘,‘w‘) as file:
    file.write(json.dumps(data,indent=2,ensure_ascii=False)) //indent是缩进个数,ensure_ascii是防止中文被编译成ascii码
3.csv文件存储

csv,叫作逗号分隔值或字符分隔值,以纯文本形式存储表格数据。

(1) 写入

import csv
with open(‘data.csv‘,‘w‘) as csvfile:
    writer=csv.writer(csvfile)  //初始化写入对象
    writer.writerow([‘id‘,‘name‘,‘age‘])
    writer.writerow([‘10001‘,‘Mike‘,‘20‘])
    writer.writerow([‘10002‘,‘Bob‘,‘23‘])
    writer.writerow([‘10003‘,‘Jordan‘,‘21‘])
    
这样就会生成一个data.csv文件

特:

  1. writer=csv.writer(csvfile,delimiter=‘ ‘) 意味着将列与列间的分隔符,变成空格分隔符
  2. writer.writerow([[‘10001‘,‘Mike‘,‘20‘],[‘10002‘,‘BOb‘,‘23‘],[‘10003‘,‘Jordan‘,‘21‘]])
    以二维列表的形式写入
  3. 字典形式写入:
    import csv 
    with open(‘data.csv‘,‘w‘) as csvfile:
        filename=[‘id‘,‘name‘,‘age‘]  //定义写入名称
        writer=csv.DictWriter(csvfile,filename=filename) //初始化一个字典写入对象
        writer.writeheader()          //写入头信息
        writer.writerow({‘id‘:‘10001‘,‘name‘:‘Mike‘,‘age‘:20})
        writer.writerow({‘id‘:‘10002‘,‘name‘:‘Bob‘,‘age‘:23})
        

注意:如果name=‘李明‘,则要改变编码方式open(‘data.csv‘,‘w‘,encoding=‘utf-8‘) 变成中文编码

(2)读取

(1 利用csv库读取:

import csv
with open(‘data.csv‘,‘r‘,‘utf-8‘) as csvfile:
    reader=csv.reader(csvfile)
    for row  in reader:
        print(row)
//按行输出数据

(2 利用pandas读取:
(pandas是数据分析当中非常重要的一个库,在我的数据分析博客中会提及很多次)

import pandas as pd
df=pd.read_csv(‘data.csv‘)
print(df)

(完整)爬取数据存储之TXT、JSON、CSV存储

标签:com   ice   exp   改变   只读   link   www   one   一个   

原文地址:https://www.cnblogs.com/xubin97/p/10354508.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!