python爬网页数据到 excel 自动化_实战｜手把手教你用Python爬取存储数据，还能自动在Excel中可视化！...

本文将分为以下两个部分进行讲解

在虎扑NBA官网球员页面中进行爬虫，

获取球员数据。

清洗整理爬取的球员数据，对其进行

可视化。

项目主要涉及的Python模块：

requests

pandas

bs4

爬虫部分

爬虫部分整理思路如下👇

观察URL1的源代码找到球队名称与对应URL2观察URL2的源代码找到球员对应的URL3观察URL3源代码找到对应球员基本信息与比赛数据并进行筛选存储

其实爬虫就是在html上操作，而html的结构很简单就只有一个，就是一个大框讨一个小框，小框在套小框，这样的一层层嵌套。

目标URL如下：

URL1：

http://nba.hupu.com/players/

URL2（此处以湖人球队为例）：

https://nba.hupu.com/players/lakers

URL3（此处以詹姆斯为例）：

https://nba.hupu.com/players/lebronjames-650.html

先引用模块

from bs4 import BeautifulSoup

import requests

import xlsxwriter

import os

查看URL1源代码代码，可以看到球队名词及其对应的URL2在span标签中下，进而找到它的父框与祖父框，下面的思路都是如此，图如下：

此时，可以通过requests模块与bs4模块进行有目的性的索引，得到球队的名称列表。

def Teamlists(url):

TeamName=[]

TeamURL=[]

GET=requests.get(URL1)

soup=BeautifulSoup(GET.content,'lxml')

lables=soup.select('html body div div div ul li span a')

for lable in lables:

ballname=lable.get_text()

TeamName.append(ballname)

print(ballname)

teamname=input("请输入想查询的球队名：")#此处可变为GUI界面中的按键值

c=TeamName.index(teamname)

for item in lables:

HREF=item.get('href')

TeamURL.append(HREF)

URL2=TeamURL[c]

return URL2

就此得到了对应球队的URL2，接着观察URL2网页的内容，可以看到球员名称在标签a中下，同时也存放着对应球员的URL3，如下图：

此时,故依然通过requests模块与bs4模块进行相对应的索引，得到球员名称列表以及对应的URL3。

#自定义函数获取队员列表和对应的URL

def playerlists(URL2):

PlayerName=[]

PlayerURL=[]

GET2=requests.get(URL1)

soup2=BeautifulSoup(GET2.content,'lxml')

lables2=soup2.select('html body div div table tbody tr td b a')

for lable2 in lables2:

playername=lable2.get_text()

PlayerName.append(playername)

print(playername)

name=input("请输入球员名：") #此处可变为GUI界面中的按键值

d=PlayerName.index(name)

for item2 in lables2:

HREF2=item2.get('href')

PlayerURL.append(HREF2)

URL3=PlayerURL[d]

return URL3,name

现在就此得到了对应球队的URL3，接着观察URL3网页的内容，可以看到球员基本信息在标签p下，球员常规赛生涯数据与季后赛生涯数据在标签td下，如下图：

同样，依然通过requests模块与bs4模块进行相对应的索引，得到球员基本信息与生涯数据，而对于球员的常规赛与季候赛的生涯数据将进行筛选与储存，得到data列表。

def Competition(URL3):

data=[]

GET3=requests.get(URL3)

soup3=BeautifulSoup(GET3.content,'lxml')

lables3=soup3.select('html body div div div div div div div div p')

lables4=soup3.select('div div table tbody tr td')

for lable3 in lables3:

introduction=lable3.get_text()

print(introduction) #球员基本信息

for lable4 in lables4:

competition=lable4.get_text()

data.append(competition)

for i in range(len(data)):

if data[i]=='职业生涯常规赛平均数据':

a=data[i+31]

a=data.index(a)

del(data[:a])

for x in range(len(data)):

if data[x]=='职业生涯季后赛平均数据':

b=data[x]

b=data.index(b)

del(data[b:])

return data

通过上述网络爬虫得到了以下的数据，提供可视化数据的同时便于绑定之后的GUI界面按键事件：

获取NBA中的所有球队的标准名称；

通过指定的一只球队获取球队中所有球员的标准名称；

通过指定的球员获取到对应的基本信息以及常规赛与季后赛数据；

可视化部分

思路：创建文件夹 创建表格和折线图

自定义函数创建表格，运用os模块进行编写，返回已创文件夹的路径，代码如下：

def file_add(path): #此时的内函数path可与GUI界面的Statictext绑定

creatpath=path+'\\Basketball'

try:

if not os.path.isdir(creatpath):

os.makedirs(creatpath)

except:

print("文件夹存在")

return creatpath

运用xlsxwriter模块在creatpath路径下自定义函数创建excel表格同时放入数据与构造折线图，代码如下：

def player_chart(name,data,creatpath):

#此为表格名称——球员名称+chart

EXCEL=xlsxwriter.Workbook(creatpath+'\\'+name+'chart.xlsx')

worksheet=EXCEL.add_worksheet(name)

bold=EXCEL.add_format({'bold':1})

headings=data[:18]

worksheet.write_row('A1',headings,bold) #写入表头

num=(len(data))//18

a=0

for i in range(num):

a=a+18

c=a+18

i=i+1

worksheet.write_row('A'+str(i+1),data[a:c]) #写入数据

chart_col = EXCEL.add_chart({'type': 'line'}) #创建一个折线图

chart_col.add_series({

'name': '='+name+'!$R$1', #设置折线描述名称

'categories':'='+name+'!$A$2:$A$'+str(num), #设置图表类别标签范围

'values': '='+name+'!$R$2:$R$'+str(num-1), #设置图表数据范围

'line': {'color': 'red'}, }) #设置图表线条属性

#设置图标的标题和想x，y轴信息

chart_col.set_title({'name': name+'生涯常规赛平均得分'})

chart_col.set_x_axis({'name': '年份 (年)'})

chart_col.set_y_axis({'name': '平均得分(分)'})

chart_col.set_style(1) #设置图表风格

worksheet.insert_chart('A14', chart_col, {'x_offset':25, 'y_offset':3,}) #把图标插入工作台中并设置偏移

EXCEL.close()

数据表格效果展现，以詹姆斯为例如下

并且此时打开自动生成的Excel，对应的折线图就直接展现出来，无需再次整理！

现在结合任务一的网络爬虫与任务二的数据可视化，可以得到实时的球员常规赛数据与季后赛数据汇总，同时还有实时球员生涯折线图。便可以与上次的GUI界面任务设计中的”可视化“按钮事件绑定，感兴趣的读者可以自己进一步研究！