快捷導(dǎo)航

Python簡(jiǎn)單爬蟲導(dǎo)出CSV文件的實(shí)例講解

更新時(shí)間：2018年07月06日 09:23:56 作者：藏何

今天小編就為大家分享一篇Python簡(jiǎn)單爬蟲導(dǎo)出CSV文件的實(shí)例講解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

流程：模擬登錄→獲取Html頁(yè)面→正則解析所有符合條件的行→逐一將符合條件的行的所有列存入到CSVData[]臨時(shí)變量中→寫入到CSV文件中

核心代碼：

 ####寫入Csv文件中
      with open(self.CsvFileName, 'wb') as csvfile:
        spamwriter = csv.writer(csvfile, dialect='excel')
        #設(shè)置標(biāo)題
        spamwriter.writerow(["游戲賬號(hào)","用戶類型","游戲名稱","渠道","充值類型","充值金額","返利金額","單號(hào)","日期"])
        #將CsvData中的數(shù)據(jù)循環(huán)寫入到CsvFileName文件中
        for item in self.CsvData:
          spamwriter.writerow(item)

完整代碼：

# coding=utf-8
import urllib
import urllib2
import cookielib
import re
import csv
import sys
 
class Pyw():
  #初始化數(shù)據(jù)
  def __init__(self):
    #登錄的Url地址
    self.LoginUrl="http://v.pyw.cn/login/check"
    #所要獲取的Url地址
    self.PageUrl="http://v.pyw.cn/Data/accountdetail/%s"
    # 傳輸?shù)臄?shù)據(jù)：用戶名、密碼、是否記住用戶名
    self.PostData = urllib.urlencode({
      "username": "15880xxxxxx",
      "password": "a123456",
      "remember": "1"
    })
    #第幾筆記錄
    self.PageIndex=0;
    #循環(huán)獲取共4頁(yè)內(nèi)容
    self.PageTotal=1
    #正則解析出tr
    self.TrExp=re.compile("(?isu)<tr[^>]*>(.*?)</tr>")
    #正則解析出td
    self.TdExp = re.compile("(?isu)<td[^>]*>(.*?)</td>")
    #創(chuàng)建cookie
    self.cookie = cookielib.CookieJar()
    #構(gòu)建opener
    self.opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(self.cookie))
    #解析頁(yè)面總頁(yè)數(shù)
    self.Total=4
    #####設(shè)置csv文件
    self.CsvFileName="Pyw.csv"
    #####存儲(chǔ)Csv數(shù)據(jù)
    self.CsvData=[]
 
   #解析網(wǎng)頁(yè)中的內(nèi)容
  def GetPageItem(self,PageHtml):
    #循環(huán)取出Table中的所有行
    for row in self.TrExp.findall(PageHtml):
      #取出當(dāng)前行的所有列
      coloumn=self.TdExp.findall(row)
      #判斷符合的記錄
      if len(coloumn) == 9:
        # print "游戲賬號(hào):%s" % coloumn[0].strip()
        # print "用戶類型:%s" % coloumn[1].strip()
        # print "游戲名稱:%s" % coloumn[2].strip()
        # print "渠道:%s" % coloumn[3].strip()
        # print "充值類型:%s" % coloumn[4].strip()
        # print "充值金額:%s" % coloumn[5].strip().replace("￥", "")
        # print "返利金額:%s" % coloumn[6].strip().replace("￥", "")
        # print "單號(hào):%s" % coloumn[7].strip()
        # print "日期:%s" % coloumn[8].strip()
        #拼湊行數(shù)據(jù)
        d=[coloumn[0].strip(),
          coloumn[1].strip(),
          coloumn[2].strip(),
          coloumn[3].strip(),
          coloumn[4].strip(),
          coloumn[5].strip().replace("￥", ""),
          coloumn[6].strip().replace("￥", ""),
          coloumn[7].strip(),
          coloumn[8].strip()]
        self.CsvData.append(d)
 
  #模擬登錄并獲取頁(yè)面數(shù)據(jù)
  def GetPageHtml(self):
    try:
      #模擬登錄
      request=urllib2.Request(url=self.LoginUrl,data=self.PostData)
      ResultHtml=self.opener.open(request)
      #開始執(zhí)行獲取頁(yè)面數(shù)據(jù)
      while self.PageTotal<=self.Total:
        #動(dòng)態(tài)拼湊所要解析的Url
        m_PageUrl = self.PageUrl % self.PageTotal
        #計(jì)算當(dāng)期第幾頁(yè)
        self.PageTotal = self.PageTotal + 1
        #獲取當(dāng)前解析頁(yè)面的所有內(nèi)容
        ResultHtml=self.opener.open(m_PageUrl)
        #解析網(wǎng)頁(yè)中的內(nèi)容
        self.GetPageItem(ResultHtml.read())
 
      ####寫入Csv文件中
      with open(self.CsvFileName, 'wb') as csvfile:
        spamwriter = csv.writer(csvfile, dialect='excel')
        #設(shè)置標(biāo)題
        spamwriter.writerow(["游戲賬號(hào)","用戶類型","游戲名稱","渠道","充值類型","充值金額","返利金額","單號(hào)","日期"])
        #將CsvData中的數(shù)據(jù)循環(huán)寫入到CsvFileName文件中
        for item in self.CsvData:
          spamwriter.writerow(item)
 
      print "成功導(dǎo)出CSV文件！"
    except Exception,e:
      print "404 error!%s" % e
#實(shí)例化類
p=Pyw()
#執(zhí)行方法
p.GetPageHtml()

導(dǎo)出結(jié)果