python爬虫数据存储到excel

_firemoon 2018-01-30 11:42:31
爬取了腾讯课堂的一些数据,但是在存储的过程中遇到了一点问题。就是无法正确地存储到相对应的行和列,
下面是代码

import requests
import re
from bs4 import BeautifulSoup
import xlwt #导入相关库

all_info_list = [] #定义一个空列表,用来存储爬虫数据。

headers = {'user-agent':'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.74 Safari/537.36'} #请求头

def get_info(url):
res = requests.get(url,headers = headers)
soups = BeautifulSoup(res.text, "lxml").find_all('h4')
for soup in soups:
infos= soup.find_all('a')
for info in infos:
course = re.findall(r'(?<=title=").*?(?=")', str(info)) #课程
href = re.findall(r'(?<=href=").*?(?=")',str(info)) #链接
firms = re.findall(r'<span class="item-source">(.*?)</span>', res.text, re.S)
firm = re.findall(r'(?<=title=").*?(?=")', str(firms)) #出品
info_list = [course, href, firm]
all_info_list.append(info_list) #写入爬虫数据

if __name__ == "__main__": #主函数
urls = ['https://ke.qq.com/course/list?mt=1001&st=2002&tt=3019&page={}'.format(i) for i in range(1,10)]
for url in urls:
get_info(url)

book = xlwt.Workbook(encoding='utf-8')
sheet = book.add_sheet('ke_qq')
head = ['课程','链接','出品'] #表头
for h in range(len(head)):
sheet.write(0,h,head[h]) #写入表头
i = 1
for list in all_info_list:
j = 0
for data in list:
sheet.write(i,j,data)
j+=1
i+=1
book.save('E:\spiderfile\ke.xls')


结果就是这样子


...全文
1305 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
习风的博客 2018-07-03
  • 打赏
  • 举报
回复
不知道你的问题有没有解决,我参照你的代码重写了,就抓下来了,不过没有用你在上面定义的空列表,
虾米馅煎包 2018-01-31
  • 打赏
  • 举报
回复
我看见你表中课程和链接的值都是一样的?怎么才是匹配相对应的行和列? 提个建议 你存表之前你可以 先把all_info_list 输出看看 是否是正确的 来排错。
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储爬虫将提取的数据存储数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。

37,719

社区成员

发帖
与我相关
我的任务
社区描述
JavaScript,VBScript,AngleScript,ActionScript,Shell,Perl,Ruby,Lua,Tcl,Scala,MaxScript 等脚本语言交流。
社区管理员
  • 脚本语言(Perl/Python)社区
  • IT.BOB
加入社区
  • 近7日
  • 近30日
  • 至今

试试用AI创作助手写篇文章吧