第五章 数据存储

Posted 2020-12-24 lnbww9966

第五章 数据存储

　　我们用解析器解析出数据之后，接下来的一步就是对数据进行存储了，保存的形式可以多种多样，最简单的形式可以直接保存为文本文件，如 TXT、Json、CSV 等等，另外还可以保存到数据库中，如关系型数据库 MySQL，非关系型数据库 MongoDB、Redis 等等。那么本章我们就来统一了解一下数据的保存方式。

5.1 文件存储

　　文件存储形式可以是多种多样的，比如可以保存成 TXT 纯文本形式，也可以保存为 Json 格式、CSV 格式等，本节我们来了解下文本文件的存储方式。

 

5.1.1 TXT文本存储

　　将数据保存到 TXT 文本的操作非常简单，而且 TXT 文本几乎兼容任何平台，但是有个缺点就是不利于检索，所以如果对检索和数据结构要求不高，追求方便第一的话，可以采用 TXT 文本存储，本节我们来看下利用 Python 保存 TXT 文本文件的方法。

1. 本节目标

　　本节我们要保存知乎发现页面的热门问题部分，将其问题和答案统一保存成文本形式。

2. 基本实例

　　首先可以用 Requests 将网页源代码获取下来，然后使用 PyQuery 解析库进行解析，接下来将提取的标题、回答者、回答保存到文本，代码如下：

import requests
from pyquery import PyQuery as pq

url = ‘https://www.zhihu.com/explore‘
headers = {
    ‘User-Agent‘: ‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (Khtml, like Gecko) Chrome/58.0.3029.110 Safari/537.36‘
}
html = requests.get(url, headers=headers).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()
    file = open(‘explore.txt‘, ‘a‘, encoding=‘utf-8‘)
    file.write(‘
‘.join([question, author, answer]))
    file.write(‘
‘ + ‘=‘ * 50 + ‘
‘)
    file.close()

　　在这里主要是为了演示文件保存的方式，因此 Requests 异常处理部分在此省去，我们首先用 Requests 提取了知乎发现页面，然后将热门问题的问题、回答者、答案全文提取出来，然后利用了Python提供的 open() 方法打开一个文本文件，获取一个文件操作对象，这里赋值为 file，然后利用 file 对象的 write() 方法将提取的内容写入文件，最后记得调用一下 close() 方法将其关闭，这样抓取的内容即可成功写入到文本中了。

　　运行程序，可以发现在本地生成了一个 explore.txt 文件，其内容如图 5-1 所示：

图 5-1 文件内容

　　这样热门问答的内容就被保存文文本形式了。

　　在这里 open() 方法的第一个参数即为要保存的目标文件名称，第二个参数为 a，代表以追加方式写入到文本，另外我们还指定了文件的编码为utf-8，最后写入完成之后，我们还需要调用 close() 方法来关闭文件对象。

3. 打开方式

　　在刚才的实例中，第二个参数我们设置成了 a，这样在每次写入文本时不会清空源文件，而是在文件末尾写入新的内容，这是一种文件打开方式。关于文件打开方式，其实还有另外的几种，在此列举如下：

• r，以只读方式打开文件。文件的指针将会放在文件的开头。这是默认模式。
• rb，以二进制格式打开一个文件用于只读。文件指针将会放在文件的开头。这是默认模式。
• r+，打开一个文件用于读写。文件指针将会放在文件的开头。
• rb+，以二进制格式打开一个文件用于读写。文件指针将会放在文件的开头。
• w，打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不存在，创建新文件。
• wb ，以二进制格式打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不存在，创建新文件。
• w+， 打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存在，创建新文件。
• wb+，以二进制格式打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存在，创建新文件。
• a，打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。 ab 以二进制格式打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。
• a+，打开一个文件用于读写。如果该文件已存在，文件指针将会放在文件的结尾。文件打开时会是追加模式。如果该文件不存在，创建新文件用于读写。
• ab+，以二进制格式打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。如果该文件不存在，创建新文件用于读写。

4. 简化写法

　　另外文件写入还有一种简写方法，那就是使用 with as 语法，在 with 控制块结束时，文件会自动关闭，所以就不需要再调用 close() 方法了。

　　所以上面的保存方式我们可以简写如下：

with open(‘explore.txt‘, ‘a‘, encoding=‘utf-8‘) as file:
    file.write(‘
‘.join([question, author, answer]))
    file.write(‘
‘ + ‘=‘ * 50 + ‘
‘)

　　如果想保存时将原文清空，那么可以将第二个参数改写为 w，代码如下：

with open(‘explore.txt‘, ‘w‘, encoding=‘utf-8‘) as file:
    file.write(‘
‘.join([question, author, answer]))
    file.write(‘
‘ + ‘=‘ * 50 + ‘
‘)

5. 结语

　　以上便是利用 Python 将结果保存为 TXT 文件的方法，此种方法简单易用，操作高效，是一种最基本的保存数据的方法。