【下载文档:  python抓取某汽车网数据解析html存入excel示例.txt 】

---

python抓取某汽车网数据解析html存入excel示例
1、某汽车网站地址2、使用firefox查看后发现，此网站的信息未使用json数据，而是简单那的html页面而已
3、使用pyquery库中的PyQuery进行html的解析
页面样式：
复制代码 代码如下:def get_dealer_info(self): """获取经销商信息""" css_select = 'html body div.box div.news_wrapper div.main div.news_list div.service_main div table tr ' #使用火狐浏览器中的自动复制css路径得到需要位置数据 page = urllib2.urlopen(self.entry_url).read() #读取页面 page = page.replace('
','&') page = page.replace('
','&') #由于页面中的电话信息中使用了br换行，所以在抓取的时候会产生问题 #问题是：如果取得一对标签中的数据，中包含
,会出现值得到br之前的数据，而后的数据将得不到，原因个人认为是解析html是会任务/>结尾标准 d = pq(page) #使用PyQuery解析页面，此处pq=PyQuery,因为from pyquery import PyQuery as pq dealer_list = [] #创建列表用于提交到存储方法 for dealer_div in d(css_select): #此处定位tr，具体数据在此标签中的td标签内 p = dealer_div.findall('td') #此处p就是一个tr标签内，全部td数据的集合 dealer = {} #此处的字典用于存储一个店铺的信息用于提交到列表中 if len(p)==1: #此处多哥if判断是用于对数据进行处理，因为一些格式不符合最终数据的要求，需要剔除，这个快的代码按需求而定 print '@' elif len(p)==6 : strp = p[0].text.strip() dealer[Constant.CITY] = p[1].text.strip() strc = p[2].text.strip() dealer[Constant.PROVINCE] = p[0].text.strip() dealer[Constant.CITY] = p[1].text.strip() dealer[Constant.NAME] = p[2].text.strip() dealer[Constant.ADDRESSTYPE] = p[3].text.strip() dealer[Constant.ADDRESS] = p[4].text.strip() dealer[Constant.TELPHONE] = p[5].text.strip() dealer_list.append(dealer) elif len(p)==5: if p[0].text.strip() != u'省份': dealer[Constant.PROVINCE] = strp dealer[Constant.CITY] = p[0].text.strip() dealer[Constant.NAME] = p[1].text.strip() dealer[Constant.ADDRESSTYPE] = p[2].text.strip() dealer[Constant.ADDRESS] = p[3].text.strip() dealer[Constant.TELPHONE] = p[4].text.strip() dealer_list.append(dealer) elif len(p)==3: print '@@' print '@@@' self.saver.add(dealer_list) self.saver.commit()
4、最终代码执行成功，得到了相应数据并存入excel中