【Class 20】【实例】python 爬虫简单案例实现二---将数据保存为CSV文件

摘抄一位网友的写入和读取csv的代码：

#输出数据写入CSV文件
import csv
data = [
    ("Mike", "male", 24),
    ("Lee", "male", 26),
    ("Joy", "female", 22)
]

#Python3.4以后的新方式，解决空行问题
with open('d://write.csv', 'w', newline='') as csv_file:
    csv_writer = csv.writer(csv_file)
    for list in data:
        print(list)
        csv_writer.writerow(list)

#读取csv文件内容
import csv
list  = []
reader = csv.reader(open("d://demo.csv"))
#csv中有三列数据，遍历读取时使用三个变量分别对应
for title, year, director in reader:
  list.append(year)
  print(title, "; ",  year , "; ",  director)

print(list)

我们在前面 class 19 中，将保存为csv的功能加入进去：

保存csv的代码如下

    # 保存数据为csv格式
    def __SaveCSV(self, anchors):
       with open('d://PandaTV_data.csv', 'w', newline='') as csv_file:
            csv_writer = csv.writer(csv_file)

            for value in anchors:
                csv_writer.writerow([value['name'], value['number']]) 

完整代码如下:

# Ciellee 2019-02-24 22:00
# 爬虫前奏：
# 明确目的: 获取熊猫TV 英雄联盟主播人气排行榜
# 找到数据对应的网页：https://www.panda.tv/cate/lol?pdt=1.c_lol.psbar-ca0.0.29u3363v9n8
# 分析网页的结构，找到数据所在的标签位置: video-info  { video-nickname, video-number }

    # 待分析网页数据
    # 

    #     LPL春季赛RW vs EDG
    #     LPL熊猫官方直播2台
    #     678.9万
    # 

# 模拟HTTP请求，向服务器发送个请求，获取到服务器返回给我们的HTML
# 用正则表达式提取我们要的数据  video-nickname,video-number
from urllib import request
import re
import csv

class Spider():
    url = 'https://www.panda.tv/cate/lol?pdt=1.c_lol.psbar-ca0.0.29u3363v9n8'

    # 匹配字符串  \s\S: 匹配所有字符串  *:匹配无限多个  ?:采用非贪婪模式
    root_pattern = '
([\s\S]*?)
'
    name_pattern = ''
    number_pattern = '="video-number">([\s\S]*?)'

    # 私有方法，访问网页
    def __fetch_content(self):
        r = request.urlopen(Spider.url)
        # 类型为字节码，bytes
        htmls = r.read()
        #print(type(htmls)) 

        # 将字节码转换为字符串文本
        htmls=str(htmls, encoding='utf-8')
        #print(type(htmls)) 
        return htmls


    # 分析文本
    def __analysis(self,htmls):
        root_html = re.findall(Spider.root_pattern, htmls)
        #print(type(root_html))
        #print(root_html[0])

        # 新建一个空字典
        anchors = []
        for html_tmp in root_html:
            name = re.findall(Spider.name_pattern, html_tmp)
            number = re.findall(Spider.number_pattern, html_tmp)

            # 将name 和 number 拼成一个字典
            anchor = {'name':name, 'number':number}
            anchors.append(anchor)

        #print(anchors[0])
        return anchors

    # 对数据进行修饰
    # strip() 方法用于移除字符串头尾指定的字符（默认为空格或换行符）或字符序列
    def __refine(self, anchors):
        lam = lambda anchors:{
            'name':anchors['name'][0].strip(),
            'number':anchors['number'][0]
            }
        return map(lam, anchors)

    # 对数据进行分析，排序
    def __sort(self, anchors):
        anchors = sorted(anchors, key=self.__sort_seed, reverse=True)
        return anchors

    # 排序的key, 将number从字符串提取为整数
    def __sort_seed(self, anchor):
        r = re.findall('\d*\.*\d*', anchor['number'])
        number = float(r[0])
        #print(number)
        if '万' in anchor['number']:
            number *= 10000.0
        #print(number)
        return number

    # 显示数据
    def __show(self, anchors):
        #for anchor in anchors:
        for rank in range(0, len(anchors)):
            print('第' + str(rank+1) + '名' + ' : '
                    + anchors[rank]['name'] +' ------ '+anchors[rank]['number'] + '人')

    # 保存数据为csv格式
    def __SaveCSV(self, anchors):
       with open('d://PandaTV_data.csv', 'w', newline='') as csv_file:
            csv_writer = csv.writer(csv_file)

            for value in anchors:
                csv_writer.writerow([value['name'], value['number']]) 

    # 用户接口
    def go(self):
        # 访问网页
        htmls = self.__fetch_content()
        # 解析数据
        anchors = self.__analysis( htmls )
        # 对数据进行修饰
        anchors = list( self.__refine(anchors) )
        # 分析数据，排序
        anchors = self.__sort(anchors)
        # 保存数据为csv格式
        self.__SaveCSV(anchors)
        # 显示打印数据
        #self.__show(anchors)
        #print( anchors )


spider = Spider()
spider.go()

结果如下: