抓取豆瓣音樂Top 250數據存到Excel中
點擊上方
「
Python開發
」,選擇「置頂公眾號」
關鍵時刻,第一時間送達!
引言:
失蹤人口回歸,最近比較迷茫,不知道是回頭深究Android,還是繼續
學Python,Android是舊愛,Python是新歡;Android應用層折騰來
折騰去,無非:改UI,寫控制項,換下庫,換下架構…以前一直想著寫
自己的項目,然後各種加東西優化,然後發現自己卻沒有了當年的熱情,
唉!相比Python,隨手就是一爬蟲,批處理類的腳本,實用性高太多,
只是Python沒有引路人,都是自己一點點摸索,見步走步吧!
之前在寫爬小姐姐腳本時候,就遇到過一個如何存儲爬取到數據的問題,
比如一個系列的套圖鏈接應該放到特定的文件夾,我之前的操作都是
通過下面這樣的格式寫入到一個txt文件中:目錄~鏈接
然後讀取txt文件,獲得字元串,然後通過split(「~」)來進行分隔,
split(「~」)[0]是目錄,split(「~」)[1]是路徑,挺low的,
如果是涉及到三個維度以上的再拼多一個~,在上上一節抓
半次元coser的時候就遇到一個噁心的問題,符號都他么被用了,
難以分隔,一個個特殊字元試,後面試到Θ才可以..
迫切需要一個東西來存我們抓取到的數據,當然最好用:資料庫
但是考慮到學習成本(主要是我不熟!),先通過一個簡單的東西存起來。
最簡單的肯定是通過Excel表格啊,最直觀了,非編程人員也能看懂!
不多說,開始本節內容~ 本節抓取例子:豆瓣音樂 Top 250
鏈接:https://music.douban.com/top250
1.編寫抓數據腳本
依次校驗:
1.數據能在Network選項卡找到,非JS動態載入,直接處理結果就好
2.點擊第二頁,選中XHR,沒有東東,不是Ajax動態載入
鏈接規則:
第一頁:https://music.douban.com/top250?start=0
第二頁:https://music.douban.com/top250?start=25
第三頁:https://music.douban.com/top250?start=50
鏈接規則顯而易見,每25條一頁,0,25,50,75…225
請求頭:
就一個:Host:music.douban.com
模擬請求的套路摸清了,接下來就是處理網頁拿到想要的數據了:
看下Element,不難發現數據都單獨放在一個個table里:
點開其中一個:
先捋下我們想採集到的數據:
圖片鏈接,歌名,歌手,發行時間,分類,評分,評分人數,歌曲詳情頁,然後就是慢慢摳數據了,自己私下摳,不會摳找以前文章看,這裡直接給出代碼:
看下控制台列印出來的信息:
可以,沒毛病,接下來看下怎麼把數據寫到excel表格里~
2.如何將數據寫入到Excel中
Step 1:安裝庫,操作Excel,你需要兩個庫:xlwt(寫Excel) 和 xlrd(讀Excel)
命令行pip安裝一波。
sudo pip3 install xlwt
sudo pip3 install xlrd
Step 2:熟悉幾個基本函數
寫入Excel:
xlwt.Workbook():創建一個工作薄
工作薄對象.add_sheet(cell_overwrite_ok=True):添加工作表,括弧里是可選
參數,用於確認同一個cell單元是否可以重設值
工作表對象.write(行號,列號,插入數據,風格),第四個參數可選
舉個簡單例子:插入這樣的數據:
0sheet.write(
,
0
,"姓名"
)sheet.write(
0
,1
,"學號"
)sheet.write(
1
,0
,"小豬"
)sheet.write(
1
,1
,
"No1"
)得到的表格:
工作薄對象.save(Excel文件名):保存到Excel文件中
讀取Excel:
xlrd.open_workbook():讀取一個Excel文件獲得一個工作薄對象
工作薄對象.sheets()[0]:根據索引獲得工作薄里的一個工作表
工作表對象.nrows:獲得行數
工作表對象.ncols:獲得列數
工作表對象.row_values(pos):讀取某一行的數據,返回結果是列表類型的
3.編寫一個Excel協助類
基本語法了解得差不多了,接著我們來寫一個工具類,來把我們爬蟲
爬取到的數據寫入到Excel表格里,四個方法:
style:
根據傳入的字體名稱,高度,是否加粗,返回一個Style樣式init:
完成Excel表的一些初始化操作,初始化表頭insertdata:
把爬取到的數據插入到Excel里的方法readdata:
讀取Excel里數據的方法
接著一步步來,先是style方法:
接著是__init方法,判斷Excel文件是否存在,不存在則新建並進行初始化
再接著是insert_data:
最後是read_data:
代碼不算複雜,接著寫下調用代碼試試:
加一個列印data_group的方法,看下抓取的數據,運行下:
沒毛病,圈住哪裡[[,這裡想表達結果是一個大列表嵌套多個列表!
再接著添加下述代碼:
執行後可以看到,生成了一個dbyy.xlsx的文件,打開看看:
嘖嘖,寫入成功,美滋滋!
再接著把無關代碼注釋掉,調用下讀取Excel的方法:
讀寫都沒問題,嚶嚶嚶~
4.小結
本節講解了一波如何把爬取到的數據存到Excel表裡,以及讀取Excel表裡的數據,
雖然沒有資料庫高端,但是比起之前用分隔符分隔多中類型的數據,用到的時候
split()好多了,而且非開發者也能直接看懂,除此之外,哪天說不定可以撩到
一些文員小姐姐(編寫批處理Excel表的腳本),除此之外還可以做些詞頻統計類
的腳本玩玩,最後獻上哲♂學啟蒙老師照片來結束本節內容,願天堂沒有摔跤:
附:具體實現代碼(其實都可以在https://github.com/coder-pig/ReptileSomething 找到)
import re
import requests
import xlwt
import xlrd
import tools as t
rate_count_pattern = re.compile(
"(d*人評價)"
, re.S)# 獲取評分人數的正則base_url =
"https://music.douban.com/top250"
"dbyy.xlsx"
# 解析網頁獲得數據的方法def parse_url(//img.ifuun.com/getimg.php?url=offset):
resp = requests.get(base_url, params={
"page"
: offset})print(
"解析:"
+ resp.url)result = []
if resp.status_code ==
200
:soup = t.get_bs(resp.content)
tables = soup.select(
"table[width="100%%"]"
)for table in tables:
a = table.find(
"a"
)detail_url = a[
"href"
]# 歌曲詳情頁面img_url = a.img[
"src"
]# 圖片urlmusic_name = a.img[
"alt"
]# 歌曲名p = table.find(
"p"
)data_split = p.get_text().split(
"/"
)singer = data_split[
0
].strip()# 歌手public_date = data_split[
1
].strip()category =
""
# 分類for data in data_split[
2
:]:category += data.strip() +
"/"
"div"
, class_="star clearfix"
)score = div.select(
"span.rating_nums"
)[0
].text# 評分rate_count = rate_count_pattern.search(div.select(
"span.pl"
)[0
].get_text()).group(0
)# 評分人數result.append([img_url, music_name, singer, public_date, category, score, rate_count, detail_url])
return result
class ExcelHelper:
def__init__(self):
if not t.is_dir_existed(save_file, mkdir=False):
#
1.
創建工作薄self.workbook = xlwt.Workbook()
#
2.
創建工作表,第二個參數用於確認同一個cell單元是否可以重設值self.sheet = self.workbook.add_sheet(u
"豆瓣音樂Top 250"
, cell_overwrite_ok=True)#
3.
初始化表頭self.headTitles = [u
"圖片鏈接"
,u"歌名"
,u"歌手"
,u"發行時間"
,u"分類"
,u"評分"
,u"評分人數"
,u"歌曲詳情頁"
]for i, item in enumerate(self.headTitles):
self.sheet.write(
0
, i, item, self.style("Monaco"
,220
, bold=True))self.workbook.save(save_file)
# 參數依次是:字體名稱,字體高度,是否加粗
def style(self, name, height, bold=False):
style = xlwt.XFStyle()# 賦值style為XFStyle(),初始化樣式
font = xlwt.Font()# 為樣式創建字體樣式
font.name = name
font.height = height
font.bold = bold
return style
# 往單元格里插入數據
def insert_data(self, data_group):
try
:xlsx = xlrd.open_workbook(save_file)# 讀取Excel文件
table = xlsx.sheets()[
0
]# 根據索引獲得表row_count = table.nrows# 獲取當前行數,新插入的數據從這裡開始
count =
0
for i in range(len(data)):
self.sheet.write(row_count + count, i, data[i])
count +=
1
print(e)
finally
:self.workbook.save(save_file)
# 讀取Excel里的數據
def read_data(self):
xlsx = xlrd.open_workbook(save_file)
table = xlsx.sheets()[
0
]nrows = table.nrows# 行數
ncols = table.ncols# 列數
# 從第一行開始,
0
是表頭for i in range(
1
, nrows):# 讀取某行數據
row_value = table.row_values(i)
print(row_value)
if__name__ ==
"__main__"
:offsets = [xforxinrange(
0
,250
,25
)]data_group = []
for offset in offsets:
data_group += parse_url(//img.ifuun.com/getimg.php?url=offset)
print(data_group)
excel = ExcelHelper()
excel.insert_data(data_group)
excel.read_data()
作者:簡書-coder_pig
https://www.jianshu.com/p/27c2e380d57b
Python開發整理髮布,轉載請聯繫作者獲得授權
【點擊成為Java大神】
※Cython 三分鐘入門
※2017 年關於 Python 的 12 件大事
TAG:Python開發 |