(完整)爬取数据存储之TXT、JSON、CSV存储

一、文件存储 1. TXT文本存储

例:知乎发现页面,获得数据存成TXT文本

import requests from pyquery import PyQuery as pq url="https://www.zhihu.com/explore" headers={'User-Agent':'ozilla/5.0 (iPhone; CPU iPhone OS 11_3 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Mobile/15E5216a QQ/7.5.5.426 V1_IPH_SQ_7.5.5_1_APP_A Pixel/1080 Core/UIWebView Device/Apple(iPhone 8Plus) NetType/WIFI QBWebViewType/1' } html=requests.get(url,headers=headers).text doc=pq(html) #问题列表 items=doc('.explore-tab .feed-item').items() for item in items: question=item.find('h2').text() author=item.find('.author-link').text() answer=pq(item.find('.content').html()).text() with open('zhihu_explore.text','a',encoding='utf-8') as file: file.write('\n'.join([question,author,answer])) file.write('\n'+'='*50+'\n')

注意:

在用pyquery解析时,一定要找准属性进行匹配;

打开文件open()函数第二个参数设置为a,其他值:

r:以只读方式打开文件 w:以写入方式打开文件(覆盖之前文件) a:以追加方式打开文件(不覆盖之前文件,追加上) 特:后面跟 + :代表以读写方式打开文件 后面跟 b :代表以二进制方式打开文件

3.每次open()打开文件后都要用close()关闭,直接用 with as 语句,会自动关闭文件。

2.JSON文件存储

JSON,是JavaScript对象标记,通过对象和数组的组合来表示数据

对象:数据结构为{key1:value1,key2:value2,...}的键值对结构
数组:数据结构为['Java','javascript','vb',...]的索引结构
(1)读取JSON文件

loads():把数据从JSON文本字符串转为JSON对象 dumps():把数据从JSON对象转为文本字符串 data=json.loads(str) //type(data)是list对象 str=json.dumps(data) //type(str)是字符串 获取属性值: data[0]['name'] 或 data[0].get('name') //两种方式获取第一个元素的name属性的值; .get('name',tom) //.get()方式更好:当没有name值时,会报None且可以用用第二个参数设定默认值 读取: import json with open('data.json','r') as file: str=file.read() data=json.loads(str)

注意:

JSON的数据需要双引号来包围。

在data.json文件中是以字符串存在,读取时要用loads()转成JSON对象来应用,存储时用dumps()把JSON对象存成字符串。

(2)输出JSON,写入文件

with open('data.json','w') as file: file.write(json.dumps(data,indent=2,ensure_ascii=False)) //indent是缩进个数,ensure_ascii是防止中文被编译成ascii码 3.csv文件存储

csv,叫作逗号分隔值或字符分隔值,以纯文本形式存储表格数据。

(1) 写入

import csv with open('data.csv','w') as csvfile: writer=csv.writer(csvfile) //初始化写入对象 writer.writerow(['id','name','age']) writer.writerow(['10001','Mike','20']) writer.writerow(['10002','Bob','23']) writer.writerow(['10003','Jordan','21']) 这样就会生成一个data.csv文件

特:

writer=csv.writer(csvfile,delimiter=' ') 意味着将列与列间的分隔符,变成空格分隔符

writer.writerow([['10001','Mike','20'],['10002','BOb','23'],['10003','Jordan','21']])
以二维列表的形式写入

字典形式写入:

import csv with open('data.csv','w') as csvfile: filename=['id','name','age'] //定义写入名称 writer=csv.DictWriter(csvfile,filename=filename) //初始化一个字典写入对象 writer.writeheader() //写入头信息 writer.writerow({'id':'10001','name':'Mike','age':20}) writer.writerow({'id':'10002','name':'Bob','age':23})

注意:如果name='李明',则要改变编码方式open('data.csv','w',encoding='utf-8') 变成中文编码

(2)读取

(1 利用csv库读取:

import csv with open('data.csv','r','utf-8') as csvfile: reader=csv.reader(csvfile) for row in reader: print(row) //按行输出数据

(2 利用pandas读取:
(pandas是数据分析当中非常重要的一个库,在我的数据分析博客中会提及很多次)

import pandas as pd df=pd.read_csv('data.csv') print(df)

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/wpwxsf.html