IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> Python知识库 -> 完整python爬取网页数据写入excel保存xlsx格式 -> 正文阅读

[Python知识库]完整python爬取网页数据写入excel保存xlsx格式

完整代码:

import json
import requests
from lxml import etree
import xlwings as xw
import re
#爬取网址
url="https://shenzhen.baixing.com/jiudianfuwu/m35936-m5238/"
#模拟浏览器访问
headers={'user-agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/\
537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36','referer':url}
#获取正文
response=requests.get(url,headers=headers)
body=response.text
# print(body)
#定位内容
html=etree.HTML(body,etree.HTMLParser())
gethtml=html.xpath('//div[contains(@class,"media-body-title")]')
print(gethtml)
pass
#定义存放数组
i=0
jsondata = []

for item in gethtml:

    try:
        title = item.xpath('//a[contains(@class,"ad-title")]/text()')[i]
        url=item.xpath('//a[contains(@class,"ad-title")]/attribute::href')[i]
        # telphone=item.xpath('//button[contains(@class,"contact-button")]/attribute::data-contact')[i]
        telphone = item.xpath('//button[contains(@class,"contact-button")]/attribute::data-qq')[i]
        import re

        # str = '<span class="t4">1万 - 1.6万</span>'
        # searchObj = re.search(r'<span class="t4">(.*?)</span>', str, re.M | re.I)
        # salary = searchObj.group(1)

        print(i,title ,url,telphone,sep="隔断")

        #判断是否为空很重要
        jsondata.append(
            {
            'title':title if title else'',
            'url':url if url else '',
            'telphone': telphone if telphone else '',
            })
        i = i + 1
    except IndexError:#异常跳出,实际异常有数据,也没搞明白为啥报错
        print(i,title,url,telphone,sep=",")
        print('第{0}条数据处理失败'.format(i))
    continue


    # jsonone={}
    # jsonone["title"]=item.xpath('//a[contains(@class,"ad-title")]/text()')[i]
    # jsonone["url"]=item.xpath('//a[contains(@class,"ad-title")]/attribute::href')[i]
    # jsonone['telphone']=item.xpath('//button[contains(@class,"contact-button")]/attribute::data-contact')[2]
    # jsondata.append(jsonone)
    # print(jsondata["url"])
# i=i+1
#写入json
with open(".d.json",'w',encoding='utf-8') as f:
    json.dump(jsondata,f,indent=1,ensure_ascii=False)

    #读取json
with open(".d.json",'r',encoding='utf-8') as f:
    data=json.load(f)


#创建workbook
app=xw.App(visible=False,add_book=False)
new_workbook=xw.Book()
new_worksheet=new_workbook.sheets.add('test')
app.display_alerts=False
app.screen_updating=False
#以此写入数据
for i in range(len(data)):
    title=data[i]["title"]
    url=data[i]["url"]
    telphone=data[i]["telphone"]

    new_worksheet.cells[i,0].value=title
    new_worksheet.cells[i,1].value=url
    new_worksheet.cells[i,2].value=telphone
    i=i+1
    # print(i,title ,url,telphone,sep="隔断")

#保存文件
new_worksheet.autofit()
new_workbook.save('test3.xlsx')
new_workbook.close()
app.quit()

注意获取网页内容,要进行是否为空判断,否则写入json会报错,内容如下:

#定义存放数组
i=0
jsondata=[]
for item in gethtml:
    title = item.xpath('//a[contains(@class,"ad-title")]/text()')[i]
    url = item.xpath('//a[contains(@class,"ad-title")]/attribute::href')[i]
    telphone=item.xpath('//button[contains(@class,"contact-button")]/attribute::data-contact')[i]
    # print(telphone)
    #判断是否为空很重要
    jsondata.append(
        {
        'title':title if title else'',
        'url':url if url else '',
        'telphone': telphone if telphone else '',
        })

    # jsonone={}
    # jsonone["title"]=item.xpath('//a[contains(@class,"ad-title")]/text()')[i]
    # jsonone["url"]=item.xpath('//a[contains(@class,"ad-title")]/attribute::href')[i]
    # jsonone['telphone']=item.xpath('//button[contains(@class,"contact-button")]/attribute::data-contact')[2]
    # jsondata.append(jsonone)
    # print(jsondata["url"])
    i=i+1

其实这里有个数据异常,也没搞懂:

实际是有问题的,但里面的确是有数据,也没搞懂

for item in gethtml:

    try:
        title = item.xpath('//a[contains(@class,"ad-title")]/text()')[i]
        url=item.xpath('//a[contains(@class,"ad-title")]/attribute::href')[i]
        # telphone=item.xpath('//button[contains(@class,"contact-button")]/attribute::data-contact')[i]
        telphone = item.xpath('//button[contains(@class,"contact-button")]/attribute::data-qq')[i]
        import re

        # str = '<span class="t4">1万 - 1.6万</span>'
        # searchObj = re.search(r'<span class="t4">(.*?)</span>', str, re.M | re.I)
        # salary = searchObj.group(1)

        print(i,title ,url,telphone,sep="隔断")

        #判断是否为空很重要
        jsondata.append(
            {
            'title':title if title else'',
            'url':url if url else '',
            'telphone': telphone if telphone else '',
            })
        i = i + 1
    except IndexError:#异常跳出,实际异常有数据,也没搞明白为啥报错
        print(i,title,url,telphone,sep=",")
        print('第{0}条数据处理失败'.format(i))
    continue

  Python知识库 最新文章
Python中String模块
【Python】 14-CVS文件操作
python的panda库读写文件
使用Nordic的nrf52840实现蓝牙DFU过程
【Python学习记录】numpy数组用法整理
Python学习笔记
python字符串和列表
python如何从txt文件中解析出有效的数据
Python编程从入门到实践自学/3.1-3.2
python变量
上一篇文章      下一篇文章      查看所有文章
加:2021-09-03 11:50:39  更:2021-09-03 11:52:52 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年12日历 -2024/12/26 23:51:26-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码
数据统计