【爬虫专栏8】pandas直接提取表格数据

长江学者数据

import pandas as pd
import csv

def get_one_page(num):
    url = 'http://news.sciencenet.cn/htmlnews/2018/1/399176.shtm'
    tb = pd.read_html(url, skiprows=[0])[num]  # 跳过前两行
    return tb # 去掉最后一行


with open(r'E:\vscode_code\爬虫测试\pandas提取\changjiang.csv', 'w', encoding='utf-8-sig', newline='') as f:
    csv.writer(f).writerow(['推荐学校', '姓名', '岗位名称', '现任职单位'])

for i in range(3):  # 目前116页数据
    get_one_page(i).to_csv(r'E:\vscode_code\爬虫测试\pandas提取\changjiang.csv', mode='a', encoding='utf_8_sig', header=0, index=0)
    print('第'+str(i+1)+'张表格抓取完成')

双色球数据

import pandas as pd
import csv

def get_one_page(page):
    url = 'http://kaijiang.zhcw.com/zhcw/html/ssq/list_%s.html' % (str(page))
    tb = pd.read_html(url, skiprows=[0, 1])[0]  # 跳过前两行
    return tb.drop([len(tb)-1])  # 去掉最后一行


with open(r'E:\vscode_code\爬虫测试\pandas提取\qiu1.csv', 'w', encoding='utf-8-sig', newline='') as f:
    csv.writer(f).writerow(['开奖日期', '期号', '中奖号码', '销售额(元)', '中奖注数一等奖', '中奖注数二等奖', '详细'])

for i in range(1,21):  # 目前116页数据,取20页
    get_one_page(i).to_csv(r'E:\vscode_code\爬虫测试\pandas提取\qiu1.csv', mode='a', encoding='utf_8_sig', header=0, index=0)
    print('第'+str(i)+'页抓取完成')

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
你可以使用 Python 的第三方库,例如 BeautifulSoup 或者 pandas提取网页中的表格数据。以下是使用 BeautifulSoup 的示例代码: ```python import requests from bs4 import BeautifulSoup # 发送请求获取网页内容 url = 'https://example.com' # 替换为你要爬取的网页地址 response = requests.get(url) html_content = response.content # 使用 BeautifulSoup 解析网页内容 soup = BeautifulSoup(html_content, 'html.parser') # 找到表格元素 table = soup.find('table') # 提取表格中的数据 data = [] rows = table.find_all('tr') for row in rows: cols = row.find_all('td') row_data = [] for col in cols: row_data.append(col.text.strip()) # 提取每个单元格的文本数据 data.append(row_data) # 打印提取数据 for row in data: print(row) ``` 这段代码首先使用 requests 库发送 GET 请求获取网页内容,然后使用 BeautifulSoup 解析网页内容。通过 find 方法找到表格元素,再使用 find_all 方法找到表格中的行和列,提取每个单元格的文本数据,并将其存储在一个二维列表中。最后,遍历该列表并打印提取数据。 另外,如果你想更方便地处理和操作表格数据,可以考虑使用 pandas 库。pandas 提供了更高级的功能,可以直接表格数据转换为 DataFrame 对象,并进行各种数据操作和分析。你可以通过 pandas 的 read_html 函数直接读取网页中的表格数据,示例代码如下: ```python import pandas as pd url = 'https://example.com' # 替换为你要爬取的网页地址 tables = pd.read_html(url) # 获取第一个表格数据 data = tables[0] # 打印表格数据 print(data) ``` 这段代码通过 read_html 函数读取网页中的所有表格数据,并返回一个包含 DataFrame 对象的列表。你可以根据需要选择具体的表格进行处理和分析。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值