使用selenium模拟登录到网站后,利用requests爬取数据,用bs4解析数据,用xlwt保存到excel。
自定义了2个函数:getData()用于获取数据,使用for循环获取多个页面的数据,解析后的数据保存到列表中;saveData(datalist, savepath)用于保存数据,参数datalist是保存的数据,参数savepath是保存的路径,写入数据时使用了双重循环。
from selenium import webdriver
import time
import requests
from bs4 import BeautifulSoup
import xlwt # 电子表格操作模块
browser = webdriver.Chrome(r'C:\Users\guo\Desktop\renshe\chromedriver.exe')
headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',
}
browser.get('https://网址/register/#/login?_k=ax56bx')
browser.find_element_by_xpath('/html/body/div/div/div/div[2]/div/div[2]/div[1]/div[2]/form/div[3]/span[2]/input').send_keys('用户名')
browser.find_element_by_xpath('/html/body/div/div/div/div[2]/div/div[2]/div[1]/div[2]/form/div[4]/span[2]/input').send_keys(',密码')
time.sleep(1)
browser.find_element_by_xpath('/html/body/div/div/div/div[2]/div/div[2]/div[1]/div[2]/form/div[6]/button[1]').click()
time.sleep(1)
def getData(): # 获取数据函数
datalist = [] # 总的数据列表
for i in range(1,65):
url = 'https://网址/ApplyCollegeNew?page='+str(i)
page_text = requests.get(url=url, headers=headers, timeout=10).text
# 实例化bs对象,加载页面源码
soup = BeautifulSoup(page_text, 'lxml')
# 数据解析,返回列表[]
li_list = soup.select('#collegesLists > li')
# 循环列表
for li in li_list:
data = [] # 定义列表,用于保存每一行的数据
title=li.select('.collegeFeature >h3>a')[0].string
data.append(title)
detail=li.select('.collegeFeature')[0].text
data.append(detail)
datalist.append(data) # 将每行列表添加到总列表
return datalist
def saveData(datalist, savepath):
print('save....')
book = xlwt.Workbook(encoding='utf-8')
sheet = book.add_sheet('大学列表', cell_overwrite_ok=True)
col = ('学校名称', '其他说明')
# 表头字段名的写入
for i in range(0, len(col)): # 元组是不可变的,len取长度
sheet.write(0, i, col[i]) # 列名
# 数据记录的写入
for i in range(0, len(datalist)): # 使用len(列表)获得长度
data = datalist[i]
for j in range(0, len(data)):
sheet.write(i+1, j, data[j])
book.save(savepath)
print('save ok....')
if __name__ == "__main__":
savepath = '大学数据.xls'
datalist = getData()
saveData(datalist, savepath)