Python3爬虫 数据存储之TXTJSONCSV
Posted Infi_chu
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python3爬虫 数据存储之TXTJSONCSV相关的知识,希望对你有一定的参考价值。
Infi-chu:
http://www.cnblogs.com/Infi-chu/
TXT文本存储
TXT文本存储,方便,简单,几乎适用于任何平台。但是不利于检索。
1.举例:
使用requests获得网页源代码,然后使用pyquery解析库解析
import requests from pyquery import PyQuery as pq url = \'https://www.zhihu.com/explore\' header = { \'User-Agent\':\'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko)\' } html = requests.get(url,headers=header).text doc = pq(html) items = doc(\'.explore-tab .feed-item\').items() for item in items: question = item.find(\'h2\').text() author = item.find(\'.author-link-line\').text() answer = pq(item.find(\'.content\').html()).text() with open(\'test.txt\',\'a\',encoding=\'uft-8\') as f: f.write(\'\\n\'.join([author,question,answer])) f.write(\'\\n\'.join(\'\\n\'+\'=\'*50+\'\\n\'))
2.打开方式:
r
rb
r+
rb+
w
wb
w+
wb+
a
ab
a+
ab+
【注】
w和a的区别相当于Linux中>和>> 的区别
JSON文件存储
JSON全称为(JavaScript Object Notation),JavaScript对象标记,通过对象和数组的组合来表示数据,构造简洁,结构化程度非常高,类似于Python当中的字典
1.对象&数组:
在JavaScript中,一切皆对象。
对象:
在JavaScript中使用{}来表示,可以理解为Python当中的字典,有键有值。
数组:
在JavaScript中使用[]来表示,可以理解为Python当中的列表。
2.读取JSON
我们可以调用Python的json库的loads()方法将JSON文本转化为JSON对象,使用dumps()方法将JSON对象转化为文本字符串。
使用get()方法得到键的名字后的值,如果没有值,则返回None,一般会自定义一个默认值,以防返回None
在JSON字符串中,要使用双引号,否则会抛出异常。
3.输出JSON
调用dumps()方法将JSON对象转化为文本字符串。
import json data = [ { \'name\':\'Infi-chu\', \'sex\':\'male\', \'birthday\':\'2000.01.01\' } ] with open(\'data.json\',\'w+\') as f: f.wirte(json.dumps(data)) \'\'\' 想要保存json的格式,可以加一个参数,indent with open(\'data.json\',\'w\') as f: f.write(json.dumps(data,indent=2)) \'\'\'
CSV文件存储
CSV全称是(Comma-Separated Values),逗号分隔值或字符分隔值,它是以纯文本形式存储表格数据,相当于结构化的纯文本。
它比Excel更简洁,XLS文本是电子表格,它包含了文本、数值、公式和格式等内容,而CSV中不包含这些内容。
1.举例
import csv with open(\'data.csv\',\'w+\') as cf: wirter = csv.writer(cf) \'\'\' wirter = csv.writer(cf,delimiter=\' \') # 此参数是增加分隔符 \'\'\' wirter.wirterow([\'id\',\'name\',\'age\']) # writerows是同时写入多行,writerow是单行写入 wirter.wirterow([\'1\',\'Infi\',23]) wirter.wirterow([\'2\',\'chu\',23])
# 字典方式的写入发 import csv with open(\'data.csv\',\'w\')as f: fieldname = [\'id\',\'name\',\'age\'] wirter = csv.DictWriter(f,filednames=filename) # DictWriter()方法初始化一个字典写入对象 wirter.writheader() # writheader()方法写入头信息 wirter.wirterows({\'id\':\'1\',\'name\':\'n1\',\'age\':1},{\'id\':\'2\',\'name\':\'n2\',\'age\':2},{\'id\':\'3\',\'name\':\'n3\',\'age\':3})
2.读取
# 通过csv库来读取CSV文件 import csv with open(\'data.csv\',\'r\',encoding=\'utf-8\') as f: reader = csv.reader(f) # reader()方法便利出每行的内容 for i in render: print(row) # 通过pandas 读取 import pandas as pd df = pd.read_csv(\'data.csv\') print(df)
以上是关于Python3爬虫 数据存储之TXTJSONCSV的主要内容,如果未能解决你的问题,请参考以下文章
python3下scrapy爬虫(第十四卷:scrapy+scrapy_redis+scrapyd打造分布式爬虫之执行)