Python爬虫教程：秀啊！用Pandas 也能爬虫？？

说到爬虫，大家可能都知道requests、re、scrapy、selenium等等一些工具库。虽然它低调，但功能非常强大，用于抓取Table表格型数据时，简直是个神器，没有必要去F12研究HTML页面结构甚至写正则表达式解析字段。

1. pandas.read_html爬虫的步骤：

读取网页： 使用pandas的read_html函数读取网页。read_html函数可以从网页中读取多个表格，并将它们存储为DataFrame对象的列表。

解析表格： 使用pandas的read_html函数解析表格数据。

2.适用范围： 只能爬取，特定含有 Table 结构的网页数据，如下所示。

<table class="..." id="...">
     <thead>
     <tr>
     <th>...</th>
     </tr>
     </thead>
     <tbody>
        <tr>
            <td>...</td>
        </tr>
        <tr>...</tr>
        <tr>...</tr>
        ...
        <tr>...</tr>
        <tr>...</tr>        
    </tbody>
</table>

3.pandas.read_html()函数是一个非常方便的函数，可以用于从HTML文件中提取表格数据。常用的参数用法：

1. io：url、html文本、本地文件等

2. header：标题行

3. flavor：解析器

4. skiprows：跳过的行

5. attrs：属性，例如：attrs = {‘id’:‘table’}

6. parse_dates:解析日期

需要注意的是，该函数返回的结果是DataFrame组成的list，需要最后加上一个索引。当网页中含有多个表格时，可以通过指定header参数来选择需要提取的表格。

4.示例源码1： 选取百度百科中的世界500强企业表格

import pandas as pd
url = 'https://baike.baidu.com/item/%E4%B8%96%E7%95%8C500%E5%BC%BA?fromModule=lemma_search-box'
df = pd.read_html(io=url, header=0)[1]
print(df)

示例源码2： 爬取2023年杭州空气质量数据

http://www.tianqihoubao.com/aqi/hangzhou-202301.html

import pandas as pd

time_lists = pd.date_range('20230101', '20231101', freq='MS').strftime('%Y%m')  # 构造出日期序列  便于之后构造url
print(time_lists, len(time_lists))
for i in range(len(time_lists)):
    url = f'http://www.tianqihoubao.com/aqi/hangzhou-{time_lists[i]}.html'
    print(f'正在下载第{i+1}页数据，{url}'.center(80, '-'))
    tables = pd.read_html(url, encoding='gbk', header=0)[0]
    print(tables)
    # 保存数据，多页数据，避免重复写入header=False
    if i == 0:
        tables.to_csv('2023年杭州空气质量数据.csv', mode='a+', index=False)
    else:
        tables.to_csv('2023年杭州空气质量数据.csv', mode='a+', index=False, header=False)

感兴趣的小伙伴，赠送全套Python学习资料，包含面试题、简历资料等具体看下方。

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

若有侵权，请联系删除