Python简单爬虫导出CSV文件

流程：模拟登录→获取Html页面→正则解析所有符合条件的行→逐一将符合条件的行的所有列存入到CSVData[]临时变量中→写入到CSV文件中

核心代码：

 ####写入Csv文件中
            with open(self.CsvFileName, 'wb') as csvfile:
                spamwriter = csv.writer(csvfile, dialect='excel')
                #设置标题
                spamwriter.writerow(["游戏账号","用户类型","游戏名称","渠道","充值类型","充值金额","返利金额","单号","日期"])
                #将CsvData中的数据循环写入到CsvFileName文件中
                for item in self.CsvData:
                    spamwriter.writerow(item)

完整代码：

# coding=utf-8
import urllib
import urllib2
import cookielib
import re
import csv
import sys

class Pyw():
    #初始化数据
    def __init__(self):
        #登录的Url地址
        self.LoginUrl="http://v.pyw.cn/login/check"
        #所要获取的Url地址
        self.PageUrl="http://v.pyw.cn/Data/accountdetail/%s"
        # 传输的数据：用户名、密码、是否记住用户名
        self.PostData = urllib.urlencode({
            "username": "15880xxxxxx",
            "password": "a123456",
            "remember": "1"
        })
        #第几笔记录
        self.PageIndex=0;
        #循环获取共4页内容
        self.PageTotal=1
        #正则解析出tr
        self.TrExp=re.compile("(?isu)<tr[^>]*>(.*?)</tr>")
        #正则解析出td
        self.TdExp = re.compile("(?isu)<td[^>]*>(.*?)</td>")
        #创建cookie
        self.cookie = cookielib.CookieJar()
        #构建opener
        self.opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(self.cookie))
        #解析页面总页数
        self.Total=4
        #####设置csv文件
        self.CsvFileName="Pyw.csv"
        #####存储Csv数据
        self.CsvData=[]

     #解析网页中的内容
    def GetPageItem(self,PageHtml):
        #循环取出Table中的所有行
        for row in self.TrExp.findall(PageHtml):
            #取出当前行的所有列
            coloumn=self.TdExp.findall(row)
            #判断符合的记录
            if len(coloumn) == 9:
                # print "游戏账号:%s" % coloumn[0].strip()
                # print "用户类型:%s" % coloumn[1].strip()
                # print "游戏名称:%s" % coloumn[2].strip()
                # print "渠道:%s" % coloumn[3].strip()
                # print "充值类型:%s" % coloumn[4].strip()
                # print "充值金额:%s" % coloumn[5].strip().replace("￥", "")
                # print "返利金额:%s" % coloumn[6].strip().replace("￥", "")
                # print "单号:%s" % coloumn[7].strip()
                # print "日期:%s" % coloumn[8].strip()
                #拼凑行数据
                d=[coloumn[0].strip(),
                    coloumn[1].strip(),
                    coloumn[2].strip(),
                    coloumn[3].strip(),
                    coloumn[4].strip(),
                    coloumn[5].strip().replace("￥", ""),
                    coloumn[6].strip().replace("￥", ""),
                    coloumn[7].strip(),
                    coloumn[8].strip()]
                self.CsvData.append(d)

    #模拟登录并获取页面数据
    def GetPageHtml(self):
        try:
            #模拟登录
            request=urllib2.Request(url=self.LoginUrl,data=self.PostData)
            ResultHtml=self.opener.open(request)
            #开始执行获取页面数据
            while self.PageTotal<=self.Total:
                #动态拼凑所要解析的Url
                m_PageUrl = self.PageUrl % self.PageTotal
                #计算当期第几页
                self.PageTotal = self.PageTotal + 1
                #获取当前解析页面的所有内容
                ResultHtml=self.opener.open(m_PageUrl)
                #解析网页中的内容
                self.GetPageItem(ResultHtml.read())

            ####写入Csv文件中
            with open(self.CsvFileName, 'wb') as csvfile:
                spamwriter = csv.writer(csvfile, dialect='excel')
                #设置标题
                spamwriter.writerow(["游戏账号","用户类型","游戏名称","渠道","充值类型","充值金额","返利金额","单号","日期"])
                #将CsvData中的数据循环写入到CsvFileName文件中
                for item in self.CsvData:
                    spamwriter.writerow(item)

            print "成功导出CSV文件！"
        except Exception,e:
            print "404 error!%s" % e
#实例化类
p=Pyw()
#执行方法
p.GetPageHtml()

导出结果