Python爬虫教程27：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

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)

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

👉Python学习视频600合集👈

观看零基础学习视频，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。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，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。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费】