【python爬虫】7.爬到的数据存到哪里？

前言

上一关我们以QQ音乐为例，主要学习了如何带参数地请求数据（get请求）和Request Headers的用法，最终爬取到了周杰伦歌曲信息的数据。

那么有一个新的问题来了——爬到的数据要怎么存下来？

可能你会想到这样的方案：把爬到的数据一条条复制黏贴，然后存成Excel文件。这样的方案对于存储十几条数据还好说，可是当我们爬取到的数据超过几百条时，这样的方案显然不可取。

走到这一关卡，获取数据、解析数据以及提取数据，我们都学会了。独独差了存储数据这一步，这也是整个爬虫过程中不可或缺的一步。

所以，这一关要讲解的核心内容就是存储数据的正确方式。后面会依旧以QQ音乐为例，把我们上一关爬取到的周杰伦的歌曲信息的数据存储下来。

存储数据的方式

其实，常用的存储数据的方式有两种——存储成csv格式文件、存储成Excel文件（不是复制黏贴的那种）。

我猜想，此时你会想问“csv”是什么，和Excel文件有什么区别？

前面，我有讲到json是特殊的字符串。其实，csv也是一种字符串文件的格式，它组织数据的语法就是在字符串之间加分隔符——行与行之间是加换行符，同行字符之间是加逗号分隔。

它可以用任意的文本编辑器打开（如记事本），也可以用Excel打开，还可以通过Excel把文件另存为csv格式（因为Excel支持csv格式文件）。

运行以下三行代码，你就能直观清晰地知道csv是什么。

file=open('test.csv','a+')
#创建test.csv文件，以追加的读写模式
file.write('美国队长,钢铁侠,蜘蛛侠')
#写入test.csv文件
file.close()
#关闭文件

将我们刚刚写入的csv文件用记事本打开，你会看到：

用Excel打开，则是这样的：

发现了吗？csv文件里的逗号可以充当分隔同行字符串的作用。

为什么要加分隔符？因为不加的话，数据都堆在一起，会显得杂乱无章，也不方便我们之后提取和查找。这也是一种让数据变得有规律的组织方式。

另外，用csv格式存储数据，读写比较方便，易于实现，文件也会比Excel文件小。但csv文件缺少Excel文件本身的很多功能，比如不能嵌入图像和图表，不能生成公式。

至于Excel文件，不用我多说你也知道就是电子表格。它有专门保存文件的格式，即xls和xlsx（Excel2003版本的文件格式是xls，Excel2007及之后的版本的文件格式就是xlsx）。

好啦，csv和Excel文件你都清楚了，我们可以继续学习存储数据的基础知识——如何写入与读取csv格式文件和Excel文件的数据。

存储数据的基础知识

存储成csv格式文件和存储成Excel文件，这两种不同的存储方式需要引用的模块也是不同的。操作csv文件我们需要借助csv模块；操作Excel文件则需要借助openpyxl模块。

放心，两个模块都并不复杂。本节的实操环节我们会用到Excel，先来一起学习一下。

基础知识：Excel写入与读取

好。请你跟着我的节奏，我们一起搞清楚如何往Excel格式文件写入和读取数据。

不过，在开始讲Excel文件的写入与读取前，我们还得稍微了解一下Excel文档的基本概念（考验你对Excel有多了解的时候到了٩(๑❛ᴗ❛๑)۶）。

【提问抢答环节】请问工作簿、工作表和单元格在Excel里分别是指什么？

一个Excel文档也称为一个工作簿（workbook），每个工作簿里可以有多个工作表（worksheet），当前打开的工作表又叫活动表。

每个工作表里有行和列，特定的行与列相交的方格称为单元格（cell）。比如上图第A列和第1行相交的方格我们可以直接表示为A1单元格。

清楚了Excel的基础概念，我们可以来说下openpyxl模块是怎么操作Excel文件的了。照例先说写入后说读取。

提醒：我们得先提前安装好openpyxl模块。课程的终端是已经安装好了，如果你想要在本地操作的话，就需要在本地上安装。（安装方法：window电脑：在终端输入命令：pip install openpyxl，按下enter键；mac电脑：在终端输入命令：pip3 install openpyxl，按下enter键）

装好openpyxl模块后，首先要引用它，然后通过openpyxl.Workbook()函数就可以创建新的工作簿，代码如下：

# 引用openpyxl     
import openpyxl 

# 利用openpyxl.Workbook()函数创建新的workbook（工作簿）对象，就是创建新的空的Excel文件。
wb = openpyxl.Workbook()

创建完新的工作簿后，还得获取工作表。不然程序会无所适从，不知道要把内容写入哪张工作表里。

# wb.active就是获取这个工作簿的活动表，通常就是第一个工作表。
sheet = wb.active

# 可以用.title给工作表重命名。现在第一个工作表的名称就会由原来默认的“sheet1”改为"new title"。
sheet.title = 'new title'

添加完工作表，我们就能来操作单元格，往单元格里写入内容。

# 把'漫威宇宙'赋值给第一个工作表的A1单元格，就是往A1的单元格中写入了'漫威宇宙'。
sheet['A1'] = '漫威宇宙' 

往单元格里写入内容只要定位到具体的单元格，如A1（根据Excel的坐标，A1代表第一列第一行相交的单元格），然后给这个单元格赋值即可。

如果我们想往工作表里写入一行内容的话，就得用到append函数。

# 把我们想写入的一行内容写成列表，赋值给row。
row = ['美国队长','钢铁侠','蜘蛛侠']

# 用sheet.append()就能往表格里添加这一行文字。
sheet.append(row)

如果我们想要一次性写入的不止一行，而是多行内容，又该怎么办？请你花10s思考一下这个问题。

想出结果了吗？（提示：用for循环，再点击会出现答案）

# 先把要写入的多行内容写成列表，再放进大列表里，赋值给rows。
rows = [['美国队长','钢铁侠','蜘蛛侠'],['是','漫威','宇宙', '经典','人物']]

# 遍历rows，同时把遍历的内容添加到表格里，这样就实现了多行写入。
for i in rows:
    sheet.append(i)

# 打印rows
print(rows)

成功写入后，我们千万要记得保存这个Excel文件，不然就白写啦！

# 保存新建的Excel文件，并命名为“Marvel.xlsx”
wb.save('Marvel.xlsx')

这样，Excel文件写入的代码我们就写好了，可以运行一下代码。

import openpyxl 
wb=openpyxl.Workbook() 
sheet=wb.active
sheet.title='new title'
sheet['A1'] = '漫威宇宙'
rows= [['美国队长','钢铁侠','蜘蛛侠'],['是','漫威','宇宙', '经典','人物']]
for i in rows:
    sheet.append(i)
print(rows)
wb.save('Marvel.xlsx')

来，请你把上面Excel写入的代码敲一遍，你可以把需要写入的文字替换成你想写入的内容。

恭喜你，Excel文件的写入已经学会啦！此处应该有掌声（激动）！

下面，我们来搞定存储数据的另一个基础知识点——Excel文件的读取。

请你运行一下代码，我们来读取刚刚写入内容的“Marvel.xlsx”文件。

import openpyxl 
# 写入的代码：
wb = openpyxl.Workbook() 
sheet = wb.active
sheet.title = 'new title'
sheet['A1'] = '漫威宇宙'
rows = [['美国队长','钢铁侠','蜘蛛侠','雷神'],['是','漫威','宇宙', '经典','人物']]
for i in rows:
    sheet.append(i)
print(rows)
wb.save('Marvel.xlsx')

# 读取的代码：
wb = openpyxl.load_workbook('Marvel.xlsx')
sheet = wb['new title']
sheetname = wb.sheetnames
print(sheetname)
A1_cell = sheet['A1']
A1_value = A1_cell.value
print(A1_value)

运行结果：

[['美国队长', '钢铁侠', '蜘蛛侠', '雷神'], ['是', '漫威', '宇宙', '经典', '人物']]
['new title']
漫威宇宙

程序打印出来的[‘new title’]是工作表的名字；“漫威宇宙”是我们刚写入A1单元格的文字。

一行行来看这个读取Excel文件的代码：

import openpyxl 
# 写入的代码：
wb = openpyxl.Workbook() 
sheet = wb.active
sheet.title = 'new title'
sheet['A1'] = '漫威宇宙'
rows = [['美国队长','钢铁侠','蜘蛛侠','雷神'],['是','漫威','宇宙', '经典','人物']]
for i in rows:
    sheet.append(i)
print(rows)
wb.save('Marvel.xlsx')

# 读取的代码：
wb = openpyxl.load_workbook('Marvel.xlsx')
sheet = wb['new title']
sheetname = wb.sheetnames
print(sheetname)
A1_cell = sheet['A1']
A1_value = A1_cell.value
print(A1_value)

第14行代码：调用openpyxl.load_workbook()函数，打开“Marvel.xlsx”文件。

第15行代码：获取“Marvel.xlsx”工作簿中名为“new title”的工作表。

第16、17行代码：sheetnames是用来获取工作簿所有工作表的名字的。如果你不知道工作簿到底有几个工作表，就可以把工作表的名字都打印出来。

第18-20行代码：把“new title”工作表中A1单元格赋值给A1_cell，再利用单元格value属性，就能打印出A1单元格的值。

学会Excel写入后，读取Excel还是比较简单的对吧？

如果你对openpyxl模块感兴趣，想要有更深入的了解的话，推荐阅读openpyxl模块的官方文档：

https://openpyxl.readthedocs.io/en/stable/

基础知识：csv写入与读取

接下来，只要我们再搞定csv文件的写入与读取，存储数据就不再是什么难事。

好。现在请你跟着我的节奏，我们一起先搞清楚如何往csv格式文件写入数据。

首先，我们要引用csv模块。因为Python自带了csv模块，所以我们不需要安装就能引用它。

你是不是会困惑，明明前面csv写入我们可以直接用open函数来写，为什么现在还要先引用csv模块？答案：直接运用别人写好的模块，比我们使用open()函数来读写，语法更简洁，功能更强大，待会你就能感受到。那么，何乐而不为？

# 引用csv模块。
import csv

# 创建csv文件，我们要先调用open()函数，传入参数：文件名“demo.csv”、写入模式“w”、newline=''、encoding='utf-8'。
csv_file = open('demo.csv','w',newline='',encoding='utf-8')

然后，我们得创建一个新的csv文件，命名为“demo.csv”。

“w”就是write，即文件写入模式，它会以覆盖原内容的形式写入新添加的内容。

友情附上一张文件读写模式表。你不需要背下来，之后不知道用什么模式时查查表就可以了。

加newline=’ '参数的原因是，可以避免csv文件出现两倍的行距（就是能避免表格的行与行之间出现空白行）。加encoding=‘utf-8’，可以避免编码问题导致的报错或乱码。

创建完csv文件后，我们要借助csv.writer()函数来建立一个writer对象。

# 引用csv模块。
import csv

# 调用open()函数打开csv文件，传入参数：文件名“demo.csv”、写入模式“w”、newline=''、encoding='utf-8'。
csv_file = open('demo.csv','w',newline='',encoding='utf-8')
# 用csv.writer()函数创建一个writer对象。
writer = csv.writer(csv_file)

那怎么往csv文件里写入新的内容呢？答案是——调用writer对象的writerow()方法。

# 借助writerow()函数可以在csv文件里写入一行文字 "电影"和“豆瓣评分”。
writer.writerow(['电影','豆瓣评分'])

提醒：writerow()函数里，需要放入列表参数，所以我们得把要写入的内容写成列表。就像[‘电影’,‘豆瓣评分’]。

我们试着再写入两部电影的名字和其对应的豆瓣评分，最后关闭文件，就完成csv文件的写入了。

# 引用csv模块。
import csv

# 调用open()函数打开csv文件，传入参数：文件名“demo.csv”、写入模式“w”、newline=''、encoding='utf-8'。
csv_file = open('demo.csv','w',newline='',encoding='utf-8')
# 用csv.writer()函数创建一个writer对象。
writer = csv.writer(csv_file)
# 调用writer对象的writerow()方法，可以在csv文件里写入一行文字 “电影”和“豆瓣评分”。
writer.writerow(['电影','豆瓣评分'])
# 在csv文件里写入一行文字 “银河护卫队”和“8.0”。
writer.writerow(['银河护卫队','8.0'])
# 在csv文件里写入一行文字 “复仇者联盟”和“8.1”。
writer.writerow(['复仇者联盟','8.1'])
# 写入完成后，关闭文件就大功告成啦！
csv_file.close()

运行代码后，名为“demo.csv”的文件会被创建。用Excel或记事本打开这个文件，你就能看到——

【练习时间】请你把上面csv文件写入的代码敲一遍。毕竟代码是绝对不能光看不敲的，快，敲起来！提示：先引入csv模块，用open()函数打开csv文件，不要忘了加newline=’ '参数；然后利用csv.writer()函数创建一个writer对象，再调用writerow()方法，就可以往csv文件里写入内容。

用csv模块写入数据这一个知识点我们已经清楚。接下来我们可以继续学习怎么读取csv文件的数据。

以刚刚创建好的“demo.csv”文件为例。你可以先运行下面的代码，看看会读取出什么结果。

import csv
csv_file=open('demo.csv','r',newline='',encoding='utf-8')
reader=csv.reader(csv_file)
for row in reader:
    print(row)
csv_file.close()

运行结果：

['电影', '豆瓣评分']
['银河护卫队', '8.0']
['复仇者联盟', '8.1']

是不是把刚刚写入“demo.csv”文件的内容都打印出了？如果是，说明我们成功读取！

现在，我们一行行来看刚刚读取“demo.csv”文件的代码，注释要认真阅读。

import csv
csv_file = open('demo.csv','r',newline='',encoding='utf-8')
reader = csv.reader(csv_file)
for row in reader:
    print(row)

第1、2行代码：导入csv模块。用open()打开“demo.csv”文件，‘r’是read读取模式，newline=’'是避免出现两倍行距。encoding='utf-8’能避免编码问题导致的报错或乱码。

第3行代码：用csv.reader()函数创建一个reader对象。

第4、5行代码：用for循环遍历reader对象的每一行。打印row，就能读取出“demo.csv”文件里的内容。

来，把上面读取“demo.csv”文件的代码敲一遍，不要偷懒。

怎么样，搞定了吧！

真棒，csv格式文件的写入和读取都被我们搞定了！

补充一点：csv模块本身还有很多函数和方法，附上csv模块官方文档链接：

https://yiyibooks.cn/xx/python_352/library/csv.html#module-csv

这些函数和方法我们不需要全部都记下来，只要在需要用到的时候，学会查询就行。

存储数据的基础知识我们就讲完了。接着我们进入实操项目——存储周杰伦的歌曲信息。

首先，我们要先选择存储数据的方式。由于篇幅有限，在这里我们只选取用openpyxl模块存储成Excel文件的方式做演示。

项目：存储周杰伦的歌曲信息

上一关我们已经爬到了周杰伦歌曲信息的数据，所以只要在上一关代码的基础上，再加入存储数据的代码，【获取数据→解析数据→提取数据→存储数据】这整个爬虫的过程我们就都完成了！

上一关的代码如下：

import requests

url = 'https://c.y.qq.com/soso/fcgi-bin/client_search_cp'
for x in range(5):
    # 将参数封装为字典
    params = {
        'ct': '24',
        'qqmusic_ver': '1298',
        'new_json': '1',
        'remoteplace': 'txt.yqq.song',
        'searchid':'59091538798969282',
        't': '0',
        'aggr': '1',
        'cr': '1',
        'catZhida': '1',
        'lossless': '0',
        'flag_qc': '0',
        'p': str(x + 1),
        'n': '20',
        'w': '周杰伦',
        'g_tk': '5381',
        'loginUin': '0',
        'hostUin': '0',
        'format': 'json',
        'inCharset': 'utf8',
        'outCharset': 'utf-8',
        'notice': '0',
        'platform': 'yqq.json',
        'needNewCode': '0'
    }
    # 调用get方法，下载这个列表
    res_music = requests.get(url, params=params)
    # 使用json()方法，将response对象，转为列表/字典
    json_music = res_music.json()
    # 一层一层地取字典，获取歌单列表
    list_music = json_music['data']['song']['list']

    # list_music是一个列表，music是它里面的元素
    for music in list_music:
        # 以name为键，查找歌曲名
        print(music['name'])
        # 查找专辑名
        print('所属专辑：' + music['album']['name'])
        # 查找播放时长
        print('播放时长：' + str(music['interval']) + '秒')
        # 查找播放链接
        print('播放链接：https://y.qq.com/n/yqq/song/' + music['mid'] + '.html\n\n')
        

按照Excel文件写入的步骤，我们可以先在上一关的代码上，添加导入openpyxl模块、创建工作簿和获取工作表的代码。

# 在上一关的代码上再导入openpyxl模块。
import requests,openpyxl
# 创建工作簿
wb = openpyxl.Workbook()
# 获取工作簿的活动表
sheet = wb.active
# 工作表重命名为song。
sheet.title = 'song'

既然我们要存储成Excel文件的话，我们得先添加表头，比如我们现在想存储歌曲名、所属专辑、播放时长和播放链接，那就可以先分别在A1、B1、C1、D1单元格中写入“歌曲名”、“所属专辑”、“播放时长”和“播放链接”。

sheet['A1'] ='歌曲名'
sheet['B1'] ='所属专辑'
sheet['C1'] ='播放时长'
sheet['D1'] ='播放链接'

接下来，把所有歌曲名、所属专辑、播放时长和播放链接用append()函数，一一写入Excel文件。

最后，保存这个文件，数据就会被我们都存储下来。

完整的代码如下（请重点关注加了注释的代码）：

import requests,openpyxl
# 创建工作簿
wb=openpyxl.Workbook()  
# 获取工作簿的活动表
sheet=wb.active 
# 工作表重命名
sheet.title='lyrics' 

sheet['A1'] ='歌曲名'     # 加表头，给A1单元格赋值
sheet['B1'] ='所属专辑'   # 加表头，给B1单元格赋值
sheet['C1'] ='播放时长'   # 加表头，给C1单元格赋值
sheet['D1'] ='播放链接'   # 加表头，给D1单元格赋值

url = 'https://c.y.qq.com/soso/fcgi-bin/client_search_cp'
for x in range(5):
    params = {
        'ct': '24',
        'qqmusic_ver': '1298',
        'new_json': '1',
        'remoteplace': 'txt.yqq.song',
        'searchid':'59091538798969282',
        't': '0',
        'aggr': '1',
        'cr': '1',
        'catZhida': '1',
        'lossless': '0',
        'flag_qc': '0',
        'p': str(x + 1),
        'n': '20',
        'w': '周杰伦',
        'g_tk': '5381',
        'loginUin': '0',
        'hostUin': '0',
        'format': 'json',
        'inCharset': 'utf8',
        'outCharset': 'utf-8',
        'notice': '0',
        'platform': 'yqq.json',
        'needNewCode': '0'
    }

    res_music = requests.get(url, params=params)
    json_music = res_music.json()
    list_music = json_music['data']['song']['list']
    for music in list_music:
        # 以name为键，查找歌曲名，把歌曲名赋值给name
        name = music['name']
        # 查找专辑名，把专辑名赋给album
        album = music['album']['name']
        # 查找播放时长，把时长赋值给time
        time = music['interval']
        # 查找播放链接，把链接赋值给link
        link = 'https://y.qq.com/n/yqq/song/' + str(music['mid']) + '.html\n\n'
        # 把name、album、time和link写成列表，用append函数多行写入Excel
        sheet.append([name,album,time,link])  
        print('歌曲名：' + name + '\n' + '所属专辑:' + album +'\n' + '播放时长:' + str(time) + '\n' + '播放链接:'+ link)
        
# 最后保存并命名这个Excel文件        
wb.save('Jay.xlsx')            

运行代码，“Jay.xlsx”文件就会被创建。打开这个文件就可以看到存储的数据。

【练习时间】已经演示了一遍怎么存储周杰伦歌曲信息的数据，现在到你实操的时候啦。请你在上一关代码的基础上，把歌曲名、所属专辑、播放时长和播放链接做赋值操作，以及添加存储数据的代码。

怎么样，搞定了吧！

鼓掌ヾ(^∀)ﾉ 我们这一关的内容完美结束！

复习

接下来是简单的复习（刚才选择跳过csv模块的同学，也可以看看csv模块的复习内容，毕竟温故而知新）。

# csv写入的代码：

import csv
csv_file = open('demo.csv','w',newline='')
writer = csv.writer(csv_file)
writer.writerow(['电影','豆瓣评分'])
csv_file.close()

# csv读取的代码：

import csv
csv_file = open('demo.csv','r',newline='')
reader=csv.reader(csv_file)
for row in reader:
    print(row)

# Excel写入的代码：

import openpyxl 
wb = openpyxl.Workbook() 
sheet = wb.active
sheet.title ='new title'
sheet['A1'] = '漫威宇宙'
rows = [['美国队长','钢铁侠','蜘蛛侠','雷神'],['是','漫威','宇宙', '经典','人物']]
for i in rows:
    sheet.append(i)
print(rows)
wb.save('Marvel.xlsx')

# Excel读取的代码：

import openpyxl
wb = openpyxl.load_workbook('Marvel.xlsx')
sheet = wb['new title']
sheetname = wb.sheetnames
print(sheetname)
A1_value = sheet['A1'].value
print(A1_value)

这一关，我们引用了csv模块和openpyxl模块。这两个都是前人编写好的模块，我们拿来就能实现存储数据的操作。

正是有了前人编写好的模块，我们才不用费心费力，再去编写一个全新的能实现存储功能的代码。

这种前人创造的知识沉淀，以无私的方式分享给我们使用的精神，叫开源精神。在编程世界里，这种精神就是最宝贵的财富。

也是因为开源，我们才得以领略和获得到前人的精神财富。比如，借助openpyxl模块的其他函数和方法，我们甚至可以实现自动化办公（自动处理数据繁杂的Excel文件等），解放我们的双手。

当然，这需要学习关于这个模块更多的知识。不过这不是本课程的重点，我会有专门的其他文章专门介绍这几个模块。

说这些的目的，是想让你了解开源精神的伟大，以及更深层的意义——彻底减少重复性工作，提高效率。

最后，希望我们既能是开源精神的受益者，也可以成为开源精神的倡导者和实践者。

我们下一关见。