您好,登錄后才能下訂單哦!
這篇文章主要講解了Python基于pandas如何爬取網(wǎng)頁(yè)表格數(shù)據(jù),內(nèi)容清晰明了,對(duì)此有興趣的小伙伴可以學(xué)習(xí)一下,相信大家閱讀完之后會(huì)有幫助。
該網(wǎng)站數(shù)據(jù)存在table標(biāo)簽,直接用requests,需要結(jié)合bs4解析正則/xpath/lxml等,沒(méi)有幾行代碼是搞不定的。
今天介紹的黑科技是pandas自帶爬蟲(chóng)功能,pd.read_html(),只需傳人url,一行代碼搞定。
原網(wǎng)頁(yè)結(jié)構(gòu)如下:
python代碼如下:
import pandas as pd url='http://www.kuaidaili.com/free/' df=pd.read_html(url)[0] # [0]:表示第一個(gè)table,多個(gè)table需要指定,如果不指定默認(rèn)第一個(gè) # 如果沒(méi)有【0】,輸入dataframe格式組成的list df
輸出dataframe格式數(shù)據(jù)
再次保存到本地,csv格式,注意中文編碼:utf_8_sig
print(type(df))df.to_csv('free ip.csv',mode='a', encoding='utf_8_sig', header=1, index=0)print('done!')
查看csv文件
先來(lái)了解一下read_html函數(shù)的api:
pandas.read_html(io, match='.+', flavor=None, header=None, index_col=None, skiprows=None, attrs=None, parse_dates=False, tupleize_cols=None, thousands=', ', encoding=None, decimal='.', converters=None, na_values=None, keep_default_na=True, displayed_only=True)
常用的參數(shù):
注意:返回的結(jié)果是**DataFrame**組成的**list**。
若要dataframe,直接取list【0】
看完上述內(nèi)容,是不是對(duì)Python基于pandas如何爬取網(wǎng)頁(yè)表格數(shù)據(jù)有進(jìn)一步的了解,如果還想學(xué)習(xí)更多內(nèi)容,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。