Python3爬蟲（八） 數據存儲之TXT、JSON、CSV

 Infi-chu:

http://www.cnblogs.com/Infi-chu/

TXT文本存儲

TXT文本存儲，方便，簡單，幾乎適用於任何平台。但是不利於檢索。

1.舉例：

使用requests獲得網頁源代碼，然后使用pyquery解析庫解析

import requests
from pyquery import PyQuery as pq

url = 'https://www.zhihu.com/explore'
header = {
    'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko)'
}
html = requests.get(url,headers=header).text
doc = pq(html)
items = doc('.explore-tab .feed-item').items()
for item in items:
    question = item.find('h2').text()
    author = item.find('.author-link-line').text()
    answer = pq(item.find('.content').html()).text()
    with open('test.txt','a',encoding='uft-8') as f:
        f.write('\n'.join([author,question,answer]))
        f.write('\n'.join('\n'+'='*50+'\n'))

2.打開方式：

r

rb

r+

rb+

w

wb

w+

wb+

a

ab

a+

ab+

【注】

w和a的區別相當於Linux中>和>> 的區別

 

JSON文件存儲

JSON全稱為（JavaScript Object Notation），JavaScript對象標記，通過對象和數組的組合來表示數據，構造簡潔，結構化程度非常高，類似於Python當中的字典

1.對象&數組：

在JavaScript中，一切皆對象。

對象：

在JavaScript中使用{}來表示，可以理解為Python當中的字典，有鍵有值。

數組：

在JavaScript中使用[]來表示，可以理解為Python當中的列表。

2.讀取JSON

我們可以調用Python的json庫的loads()方法將JSON文本轉化為JSON對象，使用dumps()方法將JSON對象轉化為文本字符串。

使用get()方法得到鍵的名字后的值，如果沒有值，則返回None，一般會自定義一個默認值，以防返回None

在JSON字符串中，要使用雙引號，否則會拋出異常。

3.輸出JSON

調用dumps()方法將JSON對象轉化為文本字符串。

import json
data = [
{
'name':'Infi-chu',
'sex':'male',
'birthday':'2000.01.01'
}
]
with open('data.json','w+') as f:
    f.wirte(json.dumps(data))
'''
想要保存json的格式，可以加一個參數，indent
with open('data.json','w') as f:
    f.write(json.dumps(data,indent=2))
'''

　

CSV文件存儲

CSV全稱是（Comma-Separated Values），逗號分隔值或字符分隔值，它是以純文本形式存儲表格數據，相當於結構化的純文本。

它比Excel更簡潔，XLS文本是電子表格，它包含了文本、數值、公式和格式等內容，而CSV中不包含這些內容。

1.舉例

import csv

with open('data.csv','w+') as cf:
    wirter = csv.writer(cf)
'''
wirter = csv.writer(cf,delimiter=' ')    # 此參數是增加分隔符
'''
    wirter.wirterow(['id','name','age'])    # writerows是同時寫入多行，writerow是單行寫入
    wirter.wirterow(['1','Infi',23])
    wirter.wirterow(['2','chu',23])

# 字典方式的寫入發
import csv
with open('data.csv','w')as f:
    fieldname = ['id','name','age']
    wirter = csv.DictWriter(f,filednames=filename)    # DictWriter()方法初始化一個字典寫入對象
    wirter.writheader()    # writheader()方法寫入頭信息
    wirter.wirterows({'id':'1','name':'n1','age':1},{'id':'2','name':'n2','age':2},{'id':'3','name':'n3','age':3})

　2.讀取

# 通過csv庫來讀取CSV文件
import csv

with open('data.csv','r',encoding='utf-8') as f:
    reader = csv.reader(f)    # reader()方法便利出每行的內容
    for i in render:
        print(row)

# 通過pandas 讀取
import pandas as pd

df = pd.read_csv('data.csv')
print(df)