python爬虫笔记:爬取网页数据存储到excel

python抓取网页有效数据存储到excel

  • 使用requests从网页上获取得到信息
  • 使用BeautifulSoup解析
  • 提取并存储有效信息
  • 使用xlwt模块创建Excel
  • 最后得到Excel数据

使用requests从网页上获取得到信息

首先导入requests库和beautifulsoup库

import requests
from bs4 import BeautifulSoup

然后调用requests.get()方法获得指定url的html

url = 'http://top.hengyan.com/xuanhuan/'
html = requests.get(url)

使用BeautifulSoup解析

soup = BeautifulSoup(html.text, "html.parser")

提取并存储有效信息

def generate_info(info):
	for ul in soup.find_all('ul'):
		if [] != ul.find_all('li', class_='num'):
			ha = []
			for li in ul.find_all('li', class_='num'):
				ha.append(li.string)
			for li in ul.find_all('li', class_='bookname'):
				if li.string == None:
					for a in ul.find_all('a', target='_blank'):
						ha.append(a.string)
				else:
					ha.append(li.string)
					ha.append('最新章节')
			for li in ul.find_all('li', class_='author'):
				ha.append(li.string)
			for li in ul.find_all('li', class_='length'):
				ha.append(li.string)
			for li in ul.find_all('li', class_='click'):
				ha.append(li.string)
			for li in ul.find_all('li', class_='update'):
				ha.append(li.string)
			info.append(ha)

使用xlwt模块创建Excel

首先导入xlwt模块

import xlwt

设置excel样式,字体类型大小等

def set_style(name, height, bold = False):
    style = xlwt.XFStyle()   #初始化样式

    font = xlwt.Font()       #为样式创建字体
    font.name = name
    font.bold = bold
    font.color_index = 4
    font.height = height
    style.font = font
    return style

创建excel,把提取的有效信息存储到excel.

def write_excel(datas,filename):
    #创建工作簿
    workbook = xlwt.Workbook(encoding='utf-8')
    #创建sheet
    data_sheet = workbook.add_sheet('novel')
    #row0 = ['排行', '书名', '作者', '字数', '点击', '更新时间']
    #for i in range(len(row0)):
    #    data_sheet.write(0, i, row0[i], set_style('Times New Roman', 220, True))
    nrows=len(datas)
    for i in range(nrows):
        for j in range(len(datas[i])):
            data_sheet.write(i,j,datas[i][j])
    # 工作簿保存到磁盘
    workbook.save(filename)

最后得到Excel数据

python爬虫笔记:爬取网页数据存储到excel_第1张图片

你可能感兴趣的:(python,网页解析,excel)