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：

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('<br />','&')
 page = page.replace('<br/>','&')
 #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<br/>,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

到此这篇关于python抓取某汽车网数据解析html存入excel示例就介绍到这了。非学无以广才，非志无以成学。更多相关python抓取某汽车网数据解析html存入excel示例内容请查看相关栏目，小编编辑不易，再次感谢大家的支持！