某时刻全国所有城市AQ
使用urllib进行http请求,bs解析为tree结构
import urllib.request
from bs4 import BeautifulSoup
url='http://www.pm25.in/rank'#空气rank
html=urllib.request.urlopen(url)
data=html.read()#执行完html就变成空了,所以我在这切下去了
创建soup并通过便签+属性精确找到表格tag
soup = BeautifulSoup(data,'html.parser')
table = soup.find('table',attrs={'class':'table table-striped table-bordered table-condensed'})
使用openpyxl初始化excel表格
from openpyxl import Workbook
wb = Workbook()
wb.create_sheet('cities\' AQ')
wb.remove(wb['Sheet'])
ws = wb['cities\' AQ']
表头的填充:就是thead。这里注意去除多余换行和空格
names = table.thead.find_all('th')
for i in range(len(names)):#从2开始放
names[i]=names[i].text.replace(' ','').replace('\n','')
print(names[i])
ws.cell(row=1,column=i+1,value=names[i])
wb.save('全国城市空气质量.xlsx')
结果:
内容填充:就是tbody,而一个tr是一行,一个td是一行中的一个
row = table.tbody.find_all('tr')#一个tr是一行
for i in range(len(row)):
col = row[i].find_all('td')
for j in range(len(col)):
col[j]=col[j].text.replace(' ','')
ws.cell(row=i+2, column=j+1, value=col[j])
wb.save('全国城市空气质量.xlsx')
最终结果:
这个web非常的清晰规整,这是本人第一次将crawl数据保存入excel,用时约30min哈哈