python写爬虫之【概览：爬到的数据是啥样】

前记：

刚刚试了一下，尽管Selenium对PhantomJS的支持已经被deprecated(弃用，藐视，抨击)。

但是，我还是可以用此方法爬取数据。先简单讲解一下我之前写的一个小程序，回头再探索最新的爬虫框架。

 

我写的这个程序功能是这样的：爬取北邮人招生网页上，各年份中北邮在不同省份各个专业的招生人数，对应的最高分，最低分和平均分。

爬下来的数据格式是.xls。

每一个.xls是保存的某一个年份里（如2018年，待会也用2018年做实例）n个省份的招生情况，即有n个sheet。

每一个是sheet里是北邮在该省的具体招生情况，如下：

以上是我们爬得的rawdata。

具体的爬取过程，可以参照：

如何分析网页并使用python爬取网页数据

想要挖掘出这些数据的信息，可以参照：

使用Python处理csv数据的常规做法