python网络爬虫实践：数据文件存储方式介绍
1.文本存储
import requests from pyquery import PyQuery as pq
url = 'https://www.zhihu.com/explore' headers = { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36' } html = requests.get(url, headers=headers).text
doc = pq(html) items = doc('.ExploreCollectionCard-contentItem').items() for item in items: question = item.find('a').text() answer = pq(item.find('.ExploreCollectionCard-contentExcerpt').html()).text() file = open('explore.txt', 'a', encoding='utf-8') file.write('\n'.join([question, answer])) file.write('\n' + '=' * 50 + '\n') file.close() 这里open()方法的第一个参数即要保存的目标文件名称，第二个参数为a，代表以追加方式写入到文本。
我们用requests提取知乎的“发现”页面，然后将热门话题的问题、回答者、答案全文提取出来，然后利用Python提供的open()方法打开一个文本文件，获取一个文件操作对象，这里赋值为file，接着利用file对象的write()方法将提取的内容写入文件，最后调用close()方法将其关闭，这样抓取的内容即可成功写入文本中了。
打开方式
关于文件的打开方式，还有其他几种：
简化写法
使用with as语法。在with控制块结束时，文件会自动关闭，所以就不需要再调用close()方法了。这种保存方式可以简写如下：
with open('explore.txt', 'a', encoding='utf-8') as file: file.write('\n'.join([question, answer])) file.write('\n' + '=' * 50 + '\n') 如果想保存时将原文清空，那么可以将第二个参数改写为w，代码如下：
with open('explore.txt', 'w', encoding='utf-8') as file: file.write('\n'.join([question, author, answer])) file.write('\n' + '=' * 50 + '\n') 2.JSON文件存储
在JavaScript语言中，一切都是对象。因此，任何支持的类型都可以通过JSON来表示，例如字符串、数字、对象、数组等。
对象
它在JavaScript中是使用花括号{}包裹起来的内容，数据结构为{key1：value1, key2：value2, …}的键值对结构。在面向对象的语言中，key为对象的属性，value为对应的值。键名可以使用整数和字符串来表示。值的类型可以是任意类型。
一个JSON对象可以写为如下形式：
[{ "name": "Bob", "gender": "male", "birthday": "1992-10-18" }, { "name": "Selina", "gender": "female", "birthday": "1995-10-18" }] [{'birthday': '1992-10-18', 'gender': 'male', 'name': 'Bob'},
{'birthday': '1995-10-18', 'gender': 'female', 'name': 'Selina'}] 由中括号包围的就相当于列表类型，列表中的每个元素可以是任意类型，这个示例中它是字典类型，由大括号包围。
JSON可以由以上两种形式*组合而成，可以无限次嵌套，结构清晰，是数据交换的极佳方式。
2.1 读取JOSN
我们可以调用库的loads()方法将JSON文本字符串转为JSON对象，可以通过dumps()方法将JSON对象转为文本字符串。
import json str = '''
[{
"name": "Bob",
"gender": "male",
"birthday": "1992-10-18"
}, {
"name": "Selina",
"gender": "female",
"birthday": "1995-10-18"
}]
''' print(type(str)) data = json.loads(str) print(data) print(type(data)) <class 'str'>
[{'name': 'Bob', 'gender': 'male', 'birthday': '1992-10-18'}, {'name': 'Selina', 'gender': 'female', 'birthday': '1995-10-18'}]
<class 'list'> with open('data.json', 'w') as f: f.write(str)
这里使用loads()方法将字符串转为JSON对象。由于最外层是中括号，所以最终的类型是列表类型。
这样一来，我们就可以用索引来获取对应的内容了。例如，如果想取第一个元素里的name属性，就可以使用如下方式：
data[0]['name'] data[0].get('name') 'Bob' 两种方法得到的结果是一样的，这里推荐使用get()方法, 这样如果键名不存在，则不会报错，会返回None。另外，get()方法还可以传入第二个参数（即默认值），示例如下：
print(data[0].get('age')) data[0].get('age', 25) None
25 这里我们尝试获取年龄age，其实在原字典中该键名不存在，此时默认会返回None。如果传入第二个参数（即默认值），那么在不存在的情况下返回该默认值。
需要注意的是，JSON的数据需要用双引号来包围，不能使用单引号。例如，若使用如下形式表示，则会出现错误：
import json str = '''
[{
'name': 'Bob',
'gender': 'male',
'birthday': '1992-10-18'
}]
''' data = json.loads(str) json.decoder.JSONDecodeError: Expecting property name enclosed in double quotes: line 3 column 5 (char 8) 千万注意JSON字符串的表示需要用双引号，否则loads()方法会解析失败。
如果从JSON文本中读取内容，例如这里有一个data.文本文件，其内容是刚才定义的JSON字符串，我们可以先将文本文件内容读出，然后再利用loads()方法转化：
import json with open('data.json') as file: str = file.read() data = json.loads(str) print(data) [{'name': 'Bob', 'gender': 'male', 'birthday': '1992-10-18'}, {'name': 'Selina', 'gender': 'female', 'birthday': '1995-10-18'}] 2.2 输出JSON
我们可以调用dumps()方法将JSON对象转化为字符串:
import json
data = [{ 'name': 'Bob', 'gender': 'male', 'birthday': '1992-10-18' }] with open('data.json', 'w') as f: f.write(json.dumps(data))
利用dumps()方法，我们可以将JSON对象转为字符串，然后再调用文件的write()方法写入文本
如果想保存JSON的格式，可以再加一个参数indent，代表缩进字符个数:
with open('data.json', 'w') as file: file.write(json.dumps(data, indent=2)) 如果JSON中包含中文字符,中文字符就变成了Unicode字符：
import json
data = [{ 'name': '王伟', 'gender': '男', 'birthday': '1992-10-18' }] with open('data.json', 'w') as file: file.write(json.dumps(data, indent=2))
为了输出中文，还需要指定参数ensure_ascii为False，另外还要规定文件输出的编码：
with open('data.json', 'w', encoding='utf-8') as file: file.write(json.dumps(data, indent=2, ensure_ascii=False)) 3.CSV文件存储
CSV，全称为Comma-Separated Values，中文可以叫作逗号分隔值或字符分隔值，其文件以纯文本形式存储表格数据。该文件是一个字符序列，可以由任意数目的记录组成，记录间以某种换行符分隔。每条记录由字段组成，字段间的分隔符是其他字符或字符串，最常见的是逗号或制表符。不过所有记录都有完全相同的字段序列，相当于一个结构化表的纯文本形式。所以，有时候用CSV来保存数据是比较方便的。
3.1 写入
import csv with open('data.csv', 'w') as csvfile: writer = csv.writer(csvfile) writer.writerow(['id', 'name', 'age']) writer.writerow(['10001', 'Mike', 20]) writer.writerow(['10002', 'Bob', 22]) writer.writerow(['10003', 'Jordan', 21])
首先，打开data.csv文件，然后指定打开的模式为w（即写入），获得文件句柄，随后调用csv库的writer()方法初始化写入对象，传入该句柄，然后调用writerow()方法传入每行的数据即可完成写入。
如果想修改列与列之间的分隔符，可以传入delimiter参数，其代码如下：
import csv with open('data.csv', 'w') as csvfile: writer = csv.writer(csvfile, delimiter=' ') writer.writerow(['id', 'name', 'age']) writer.writerow(['10001', 'Mike', 20]) writer.writerow(['10002', 'Bob', 22]) writer.writerow(['10003', 'Jordan', 21])
我们也可以调用writerows()方法同时写入多行，此时参数就需要为二维列表，例如：
import csv with open('data.csv', 'w') as csvfile: writer = csv.writer(csvfile) writer.writerow(['id', 'name', 'age']) writer.writerows([['10001', 'Mike', 20], ['10002', 'Bob', 22], ['10003', 'Jordan', 21]]) 在csv库中也提供了字典的写入方式，示例如下：
import csv with open('data.csv', 'w', newline='') as csvfile: fieldnames = ['id', 'name', 'age'] writer = csv.DictWriter(csvfile, fieldnames=fieldnames) writer.writeheader() writer.writerow({'id': '10001', 'name': 'Mike', 'age': 20}) writer.writerow({'id': '10002', 'name': 'Bob', 'age': 22}) writer.writerow({'id': '10003', 'name': 'Jordan', 'age': 21}) 如果要写入中文内容的话，可能会遇到字符编码的问题，此时需要给open()参数指定编码格式：
import csv with open('data.csv', 'a', newline='', encoding='utf-8') as csvfile: fieldnames = ['id', 'name', 'age'] writer = csv.DictWriter(csvfile, fieldnames=fieldnames) writer.writerow({'id': '10005', 'name': '王伟', 'age': 22}) 3.2 读取
我们同样可以使用csv库来读取CSV文件：
import csv with open('data.csv', 'r', encoding='utf-8') as csvfile: reader = csv.reader(csvfile) for row in reader: print(row) ['id', 'name', 'age']
['10001', 'Mike', '20']
['10002', 'Bob', '22']
['10003', 'Jordan', '21']
['10005', '王伟', '22'] 使用pandas的话，可以利用read_csv()方法将数据从CSV中读取出来，例如：
import pandas as pd
df = pd.read_csv('data.csv') print(df) id name age
0 10001 Mike 20
1 10002 Bob 22
2 10003 Jordan 21
3 10005 王伟 22 本文地址：https://blog.csdn.net/qq_43328040/article/details/108843876