我是如何把python爬虫获取到的数据写入Excel的?

如何将爬虫获取的数据写入Excel,这一点我在爬虫文章几乎都是采用这种方式来进行操作的

写入Excel的目的是为了后续更加方便的使用pandas对数据进行清洗、筛选、过滤等操作。

为进一步数据研究、可视化打基础。

1. 自定义写入Excel

python写入Excel的方式有很多,常用的支持python操作的库有 

xlsxwriterpandas、openpyxl

今天咱们只介绍我常用到的openpyxl

1. 创建workbook

2.创建worsheet

3.数据写入sheet

4.数据写入sheet

5.保存到excel

既然说到爬虫数据写入Excel。那我们直接上爬虫案例

网页的分析和数据的爬取我们可以参考:

Python实战|腾讯招聘你干什么?python可视化告诉你

如图我们现在已经成功的将数据打印出来了,接下来我们考虑的就是如何将这些数据保存到Excel中。

前面说到我们这里使用的Python库是openpyxl来实现这一操作。

所以第一步

openpyxl的下载

或者自行下载whl文件安装

https://www.lfd.uci.edu/~gohlke/pythonlibs/

导入库

使用import导入openpyxl库,为后续方便调用,

可以使用as关键字来简写库名

import openpyxl as op

1. 创建workbook

ws = op.Workbook()

2.创建worsheet

wb = ws.create_sheet(index=0)

3. 头文件

wb.cell(row=1, column=1, value='职位名称')

wb.cell(row=1, column=2, value='国家')

wb.cell(row=1, column=3, value='城市')

wb.cell(row=1, column=4, value='职位分类')

wb.cell(row=1, column=5, value='职位更新时间')

wb.cell(row=1, column=6, value='职位要求')

3.数据写入sheet

# 加入count是为了换行写入数据

count =2

# 要写入excel的数据

post_name = job['RecruitPostName']# 职位名称

country_name = job['CountryName']# 国家

loc_name = job['LocationName']# 城市

category_name = job['CategoryName']# 职位分类

last_up_time = job['LastUpdateTime']# 职位更新时间

responsibility = job['Responsibility']# 职位要求

# 打印获取到的数据

print(post_name, country_name, loc_name, category_name, last_up_time, responsibility)

# 将数据写入到下一行

wb.cell(row=count, column=1, value=post_name)

wb.cell(row=count, column=2, value=country_name)

wb.cell(row=count, column=3, value=loc_name)

wb.cell(row=count, column=4, value=category_name)

wb.cell(row=count, column=5, value=last_up_time)

wb.cell(row=count, column=6, value=responsibility)

# count加1,进入到下一行写入数据

count +=1

4.保存excel

# 保存数据

ws.save('腾讯职位.xlsx')

四步走轻松将你的数据写入到Excel

还有更多的表头、边框、颜色设置等在此不再赘述哈

有需要的可自行百度哈。

2. 函数式写入Excel

import openpyxl as op

id = [1,2,3]

name = ['张三','李四','王五']

age = [21,20,122]

address = ['北京','上海','广州']

infos = [id, name, age, address]

defop_toexcel(data):# openpyxl库储存数据到excel

wb = op.Workbook()# 创建工作簿对象

ws = wb['Sheet']# 创建子表

ws.append(['序号','姓名','年龄','住址'])# 添加表头

foriinrange(len(data[0])):

d = data[0][i], data[1][i], data[2][i], data[3][i]

ws.append(d)# 每次写入一行

wb.save('测试.xlsx')

3. pandas写入Excel

id = [1,2,3]

name = ['张三','李四','王五']

age = [21,20,122]

address = ['北京','上海','广州']

infos = [id, name, age, address]

# pandas库储存数据到excel

defpd_toexcel(data):

# 用字典设置DataFrame所需数据

dfData = {

'序号': data[0],

'姓名': data[1],

'年龄': data[2],

'住址': data[3]

}

# 创建DataFrame

df = pd.DataFrame(dfData)

# 存表,去除原始索引列(0,1,2...)

df.to_excel('测试.xlsx', index=False)

如有不足之处,烦请大佬们不吝赐教。及时指正。一起进步!

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,884评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,755评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,369评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,799评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,910评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,096评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,159评论 3 411
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,917评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,360评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,673评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,814评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,509评论 4 334
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,156评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,882评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,123评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,641评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,728评论 2 351

推荐阅读更多精彩内容