Python3编写网络爬虫08-数据存储方式一-文件存储

数据存储

用解析器解析出数据之后,就是存储数据了。保存的形式可以多种多样,最简单的形式是直接保存为文本文件,
如TXT JSON CSV等。另外还可以保存到数据库中,如关系型数据库MySQL 非关系型数据库MongoDB Redis等

一、文件存储

1.TXT文本存储

将数据保存到TXT文本的操作非常简单,而且TXT文本几乎兼容任何平台,缺点是不利于检索。
所以针对检索和数据结构要求不高,追求方便第一的话,可以采用TXT文本存储。

1.1 目标保存知乎上 “发现” 页面 的 “热门话题”部分,提取标题、回答者、回答保存到文本,
统一保存成文本形式。

利用到的方法 requests pyquery解析库解析。


完整代码 方法不一 目标达成即可

import requests#导入requests模块
from pyquery import PyQuery as pq #导入pyquery解析库

url = 'http://www.zhihu.com/explore'#目标url

headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/71.0.3578.80 Safari/537.36'
}

html = requests.get(url,headers=headers).text#发送请求 响应网页内容
doc = pq(html)#初始化

items = doc('.explore-tab .feed-item').items()#找到目标节点 返回生成器

# print(items)
for item in items:
question = item.find('h2').text()# 标题 h2节点下的文本内容
author = item.find('.author-link-line').text()#回答者 span节点里a节点 文本
answer = pq(item.find('.content').html()).text()#回答 textarea标签中 文本 先提取HTML文本 在用text()提取纯文本
file = open('explore.txt','a',encoding='utf-8')#打开文件 追加 编码格式
file.write('
'.join([question,author,answer]))#join函数 连接字符串
file.write('
' + '=' * 50 + '
')#分割线
file.close()#关闭文件

1.2 文件打开方式

文件打开的几种访问模式
访问模式 说明

r    以只读方式打开文件。文件的指针将会放在文件的开头。这是默认模式。
w    打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不存在,创建新文件。
a    打开一个文件用于追加。如果该文件已存在,文件指针将会放在文件的结尾。也就是说,新的内容将会被写入到已有内容之后。如果该文件不存在,创建新文件进行写入。
rb    以二进制格式打开一个文件用于只读。文件指针将会放在文件的开头。这是默认模式。
wb    以二进制格式打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不存在,创建新文件。
ab    以二进制格式打开一个文件用于追加。如果该文件已存在,文件指针将会放在文件的结尾。也就是说,新的内容将会被写入到已有内容之后。如果该文件不存在,创建新文件进行写入。
r+    打开一个文件用于读写。文件指针将会放在文件的开头。
w+    打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存在,创建新文件。
a+    打开一个文件用于读写。如果该文件已存在,文件指针将会放在文件的结尾。文件打开时会是追加模式。如果该文件不存在,创建新文件用于读写。
rb+    以二进制格式打开一个文件用于读写。文件指针将会放在文件的开头。
wb+    以二进制格式打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存在,创建新文件。
ab+    以二进制格式打开一个文件用于追加。如果该文件已存在,文件指针将会放在文件的结尾。如果该文件不存在,创建新文件用于读写。


1.3 简化写法

with as with 控制模块结束时 文件会自动关闭

with open('explore.txt','a',encoding='utf-8') as file:
file.write('
'.join([question,author,answer]))
file.write('
' + '=' * 50 + '
')

以上就是python将结果保存为TXT文件的方法 简单易用,操作高效,是一种最基本的保存数据方法。

原文地址:https://www.cnblogs.com/liuxiaosong/p/10337100.html