Python学习版本: Python 3.X
观看:Python入门+Python爬虫+Python数据分析
3.4 保存数据
3.4.1 Excel表存储
补充:xlwt模块
简单使用xlwt
import xlwt #导入模块
workbook = xlwt.Workbook(encoding='utf-8') #创建workbook 对象
worksheet = workbook.add_sheet('sheet1') #创建工作表sheet
worksheet.write(0, 0, 'hello') #往表中写内容,第一各参数 行,第二个参数列,第三个参数内容
workbook.save('students.xls') #保存表为students.xls
课堂练习:
将九九乘法表显示在表格中,每个单元格1个公式
限定10分钟完成
workbook = xlwt.Workbook(encoding='utf-8') #创建workbook 对象
worksheet = workbook.add_sheet('sheet1') #创建工作表sheet
for i in range(0,9):
for j in range(0,i+1):
worksheet.write(i, j, "%d * %d = %d"%(i+1,j+1,(i+1)*(j+1)))
# worksheet.write(0, 0, 'hello') #往表中写内容,第一各参数 行,第二个参数列,第三个参数内容
workbook.save('students.xls') #保存表为students.xls
https://www.cnblogs.com/caesar-id/p/11802440.html
爬取豆瓣Top250,存储到excel源码
# -*- codeing = utf-8 -*-
# @Author:Aurora
# @File : spider.py
# @Software: PyCharm
import re #正则表达式
import urllib.request,urllib.error #制定URL 获取网页数据
import xlwt #进行excel操作
from bs4 import BeautifulSoup #网页解析 获取数据
import sqlite3 #进行数据库操作
def main():
baseurl="https://movie.douban.com/top250?start="
datalist = getData(baseurl)
savepath = "豆瓣电影Top250.xls"
saveData(datalist,savepath)
#askUrl("https://movie.douban.com/top250?start=0")
findLink=re.compile(r'<a href="(.*?)">')#创建正则表达式规则, 关键字r 忽略字符串中的转义字符
#影片图片的链接
findImgSrc=re.compile(r'<img.*src="(.*?)"',re.S)#re.S换行符包含字符中
#影片的片名
findTitle= re.compile(r'<span class="title">(.*)</span>')
#影片的评分
findRating =re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
#评级人数
findJudge=re.compile(r"<span>(\d*)人评价</span>")
#找到概况
findInq=re.compile(r'<span class="inq">(.*)</span>')
#影片的相关内容
findBd= re.compile(r'<p class="">(.*?)</p>',re.S)
#爬取网页
def getData(baseurl):
datalist = []
for i in range(0,10):
url = baseurl+str(i*25)
html = askUrl(url)#保存获取到的网页源码
#逐一解析
soup =BeautifulSoup(html,"html.parser")
for item in soup.find_all('div',class_="item"): #查找符合要求的字符串 class_ 表示属性
#print(item) #测试查看电影的iiem
data =[] #保存一部电影的所有信息
item=str(item)
#转化为字符串,使用正则表达式 查找指定的字符串
#影片详细链接
link =re.findall(findLink,item)[0]
data.append(link)#添加链接
imgSrc =re.findall(findImgSrc,item)[0]
data.append(imgSrc)#添加图片
titles = re.findall(findTitle,item) #片名可能有中文
if(len(titles) == 2):
ctitle = titles[0];#添加中文名
data.append(ctitle)
otitle =titles[1].replace("/","") #去除无关的符号
data.append(otitle) #添加外国名
else:
data.append(titles[0])
data.append(' ')#外国名没有时。放空方便存储,
rating = re.findall(findRating,item)[0]
data.append(rating) #添加评分
judegNum = re.findall(findJudge,item)[0]
data.append(judegNum) #添加评分人数
inq=re.findall(findInq,item)
if len(inq) != 0:
inq = inq[0].replace("。",'')# 添加概况
data.append(inq)
else:
data.append(' ')
bd = re.findall(findBd,item)[0]
bd = re.sub('<br(\s+)?/>(\s+)>'," ",bd)
bd=re.sub('/'," ",bd)
data.append(bd.strip())#去除前后空格
datalist.append(data)
print(datalist)
return datalist
#指定一个URl的网页内容
def askUrl(url):
#模拟浏览器头部信息,向豆瓣服务器发送消息
#用户代理,表示告诉豆瓣服务器我们是什么类型的机器
head ={
"User-Agent": "Mozilla/5.0(Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36"
}
request = urllib.request.Request(url,headers=head)
html=""
try:
response = urllib.request.urlopen(request)
html = response.read().decode("utf-8")
# print(html)
except urllib.error.URLError as resulte:
if hasattr(resulte,"code"):
print(resulte.code)
if hasattr(resulte,"reason"):
print(resulte.reason)
return html
#保存数据
def saveData(datalist,savepath):
book = xlwt.Workbook(encoding="utf-8",style_compression=0) # 创建workbook对象
sheet = book.add_sheet('豆瓣电影Top250',cell_overwrite_ok=True) # 创建工作表
col=('电影详细链接','图片链接','影片中文名','影片外文名','评分','评价数','概况','相关信息')
for i in range(0,8):
sheet.write(0,i,col[i])
for i in range(0,250):
print("第%d条"%(i+1))
data=datalist[i]
for j in range(0,8):
sheet.write(i+1,j,data[j])
book.save(savepath)
if __name__ =="__main__" : #当前程序执行时,作为程序入口,控制函数执行顺序,
main()
#调用函数
print("爬取完毕")
3.4.2 数据库存储
可以参考菜鸟教程:
Python和SQLite: https://www.runoob.com/sqlite/sqlite-python.html
SQLite 和SQL语句 :https://www.runoob.com/sqlite/sqlite-tutorial.html
1.引入sqlite3库
import sqlite3
2.初始化数据库
import sqlite3
conn = sqlite3.connect('test.db')
print ("Opened database successfully")
创建数据表
import sqlite3
conn = sqlite3.connect('test.db')
print ("Opened database successfully")
c = conn.cursor()
c.execute('''"CREATE TABLE COMPANY
(ID INT PRIMARY KEY NOT NULL,
NAME TEXT NOT NULL,
AGE INT NOT NULL,
ADDRESS CHAR(50),
SALARY REAL);''')
print ("Table created successfully")
conn.commit()
conn.close()
项目源码:
def init_db(dbpath):
sql = "create table movie250 (id INTEGER primary key
autoincrement,info_link text,
pic_link text,cname varchar,ename varchar ,score numeric ,rated
numeric ,introduction text,info text)" #创建数据表
conn = sqlite3.connect(dbpath) #连接或创建数据库
cursor = conn.cursor() #获取游标
cursor.execute(sql) #执行SQL语句:创建数据表
conn.commit() #事务提交:让操作生效
cursor.close() #关闭游标
conn.close() #关闭连接
3.数据库存储
插入数据:insert操作
import sqlite3
conn = sqlite3.connect('test.db')
c = conn.cursor()
print ("Opened database successfully")
c.execute("INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) \
VALUES (1, 'Paul', 32, 'California', 20000.00 )");
c.execute("INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) \
VALUES (2, 'Allen', 25, 'Texas', 15000.00 )");
c.execute("INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) \
VALUES (3, 'Teddy', 23, 'Norway', 20000.00 )");
c.execute("INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) \
VALUES (4, 'Mark', 25, 'Rich-Mond ', 65000.00 )");
conn.commit()
print ("Records created successfully")
conn.close()
项目源码:
#datalist是封装好的数据,dbpath是数据库文件存放的全路径
def saveData2(datalist,dbpath):
init_db(dbpath) # 创建数据表
con = sqlite3.connect(dbpath) #连接数据库
cur = con.cursor() #获取游标
for data in datalist: #对每行数据进行操作
for index in range(len(data)): #index是每行数据的下标
data[index] = ("\""+data[index]+"\"") #对每个数据添加前后的双引号,\是 转义字符
sql = 'INSERT INTO movie250(info_link,pic_link,cname,ename,score,rated,introduction,info) VALUES
(%s)' % ",".join(data) #拼接建表语句,连接data列表中的每一项,使用逗号分隔
cursor.execute(sql) #执行SQL语句:创建数据表
conn.commit() #事务提交:让操作生效
cur.close() #关闭游标
conn.close() #关闭连接
4.数据库查询 (后面项目用的上)
select操作:
下面的 Python 程序显示了如何从前面创建的 COMPANY 表中获取并显示记录:
import sqlite3
conn = sqlite3.connect('test.db')
c = conn.cursor()
print ("Opened database successfully")
cursor = c.execute("SELECT id, name, address, salary from COMPANY")
for row in cursor:
print ("ID = ", row[0])
print ("NAME = ", row[1])
print ("ADDRESS = ", row[2])
print ("SALARY = ", row[3], "\n")
print("Operation done successfully")
conn.close()
5. 存储到Sqlite,豆瓣排名250电影,源码
# -*- codeing = utf-8 -*-
# @Time :2022/7/6 9:28
# @Author:Aurora
# @File : spider.py
# @Software: PyCharm
import re #正则表达式
import urllib.request,urllib.error #制定URL 获取网页数据
import xlwt #进行excel操作
from bs4 import BeautifulSoup #网页解析 获取数据
import sqlite3 #进行数据库操作
def main():
baseurl="https://movie.douban.com/top250?start="
datalist = getData(baseurl)
savepath = "豆瓣电影Top250.xls"
dbpath="movie.db"
saveData(datalist,savepath)
#askUrl("https://movie.douban.com/top250?start=0")
saveData2DB(datalist,dbpath)
findLink=re.compile(r'<a href="(.*?)">')#创建正则表达式规则, 关键字r 忽略字符串中的转义字符
#影片图片的链接
findImgSrc=re.compile(r'<img.*src="(.*?)"',re.S)#re.S换行符包含字符中
#影片的片名
findTitle= re.compile(r'<span class="title">(.*)</span>')
#影片的评分
findRating =re.compile(r'<span class="rating_num" property="v:average">(.*)</span>')
#评级人数
findJudge=re.compile(r"<span>(\d*)人评价</span>")
#找到概况
findInq=re.compile(r'<span class="inq">(.*)</span>')
#影片的相关内容
findBd= re.compile(r'<p class="">(.*?)</p>',re.S)
#爬取网页
def getData(baseurl):
datalist = []
for i in range(0,1):
url = baseurl+str(i*25)
html = askUrl(url)#保存获取到的网页源码
#逐一解析
soup =BeautifulSoup(html,"html.parser")
for item in soup.find_all('div',class_="item"): #查找符合要求的字符串 class_ 表示属性
#print(item) #测试查看电影的iiem
data =[] #保存一部电影的所有信息
item=str(item)
#转化为字符串,使用正则表达式 查找指定的字符串
#影片详细链接
link =re.findall(findLink,item)[0]
data.append(link)#添加链接
imgSrc =re.findall(findImgSrc,item)[0]
data.append(imgSrc)#添加图片
titles = re.findall(findTitle,item) #片名可能有中文
if(len(titles) == 2):
ctitle = titles[0];#添加中文名
data.append(ctitle)
otitle =titles[1].replace("/","") #去除无关的符号
data.append(otitle) #添加外国名
else:
data.append(titles[0])
data.append(' ')#外国名没有时。放空方便存储,
rating = re.findall(findRating,item)[0]
data.append(rating) #添加评分
judegNum = re.findall(findJudge,item)[0]
data.append(judegNum) #添加评分人数
inq=re.findall(findInq,item)
if len(inq) != 0:
inq = inq[0].replace("。",'')# 添加概况
data.append(inq)
else:
data.append(' ')
bd = re.findall(findBd,item)[0]
bd = re.sub('<br(\s+)?/>(\s+)>'," ",bd)
bd=re.sub('/'," ",bd)
data.append(bd.strip())#去除前后空格
datalist.append(data)
return datalist
#指定一个URl的网页内容
def askUrl(url):
#模拟浏览器头部信息,向豆瓣服务器发送消息
#用户代理,表示告诉豆瓣服务器我们是什么类型的机器
head ={
"User-Agent": "Mozilla/5.0(Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36"
}
request = urllib.request.Request(url,headers=head)
html=""
try:
response = urllib.request.urlopen(request)
html = response.read().decode("utf-8")
# print(html)
except urllib.error.URLError as resulte:
if hasattr(resulte,"code"):
print(resulte.code)
if hasattr(resulte,"reason"):
print(resulte.reason)
return html
#保存数据
def saveData(datalist,savepath):
book = xlwt.Workbook(encoding="utf-8",style_compression=0) # 创建workbook对象
sheet = book.add_sheet('豆瓣电影Top250',cell_overwrite_ok=True) # 创建工作表
col=('电影详细链接','图片链接','影片中文名','影片外文名','评分','评价数','概况','相关信息')
for i in range(0,8):
sheet.write(0,i,col[i])
for i in range(0,250):
print("第%d条"%(i+1))
data=datalist[i]
for j in range(0,8):
sheet.write(i+1,j,data[j])
book.save(savepath)
def saveData2DB(datalist,dbpath):
init_db(dbpath)
conn=sqlite3.connect(dbpath)
cur=conn.cursor()
for data in datalist:
for index in range(len(data)):
if index ==5 or index==4:
continue
data[index]='"'+data[index]+'"'
sql = '''
insert into movie250(info_link,pic_link,cname,ename,score,rated,instroduction,info)
values(%s)'''%",".join(data)
cur.execute(sql)
conn.commit()
cur.close()
conn.close()
def init_db(dbpath):
sql='''
create table movie250(
id integer primary key autoincrement,
info_link text,
pic_link text,
cname varchar ,
ename varchar ,
score numeric,
rated numeric,
instroduction text,
info text
)
'''
#创建数据表
conn= sqlite3.connect(dbpath)#路径存在则连接,不存在则创建
cursor = conn.cursor()
cursor.execute(sql)
conn.commit()
conn.close()
if __name__ =="__main__" : #当前程序执行时,作为程序入口,控制函数执行顺序,
main()
#调用函数
#init_db("movietest.db")
print("爬取完毕")