当我们爬虫爬取大量数据并且已经爬取到了本地,这些数据如果不存储起来,那么就会变得无效.

 

那下面让小编教你把这些数据插入Excel中保存下来吧~

 

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

 

# 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 ----------------------

Python爬虫:把爬取到的数据插入到execl中

很简单没有什么要解释的了

2. 复习一下range函数

# >>> 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]

Python爬虫:把爬取到的数据插入到execl中

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

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

Python爬虫:把爬取到的数据插入到execl中

完整实例代码

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')

Python爬虫:把爬取到的数据插入到execl中

最后得到的效果图


 

 

3. 把爬取的数据插入到execl中

这里直接上代码了,相关的注释都在代码里

# 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()

Python爬虫:把爬取到的数据插入到execl中

 

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..