爬虫基本工系列之--数据存储

男娘i 2023-10-04 16:23 157阅读 0赞

#### 文章目录 ####

*  1. 常见的数据存储介质
 *  2. CSV数据的写入与读取
 *   *  2.1 什么是csv
     *  2.2写入
     *  2.3 读取
 *  3. Excel写入
 *   *  3.1 写入
     *  3.2 读取
 *  4. word的写入与读取
 *   *  写入
     *  读取

--------------------

## 1. 常见的数据存储介质 ##

1.  文件

> 适合存储具有时效性的数据，如股票行情，商品信息和排行榜等

1.  关系型数据库
2.  非关系型数据库

## 2. CSV数据的写入与读取 ##

### 2.1 什么是csv ###

> CSV是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。最广泛的应用是在程序之间转移表格数据，而这些程序本身是在不兼容的格式上进行操作的（往往是私有的和/或无规范的格式）。因为大量程序都支持某种CSV变体，至少是作为一种可选择的输入/输出格式

### 2.2写入 ###

'''
    代码功能：csv文件写入
    时间：@Date: 2021-06-13 01:11:19
    '''
    
    
    import csv
    
    '''
    1. 若存在文件，则打开csv文件； 若不存在，则新建文件
    2. 如果不设置 newline='' ，则每行数据会隔一行空白
    
    '''
    csvfile = open('csv_test.csv', 'w', newline='')
    
    
    # 将文件加载到csv对象中
    writer = csv.writer(csvfile)
    
    # 单行写入
    writer.writerow(['姓名', '年龄', '电话'])
    
    data = [
    
        ('A','18','10086'),
        ('B','19', '10010')
    ]
    
    # 多行写入
    writer.writerows(data)
    
    
    # 关闭csv对象
    csvfile.close()

### 2.3 读取 ###

'''
    代码功能：csv文件读取
    时间：@Date: 2021-06-13 01:12:06
    '''
    
    import csv
    
    csvfile = open('csv_test.csv', 'r')
    
    # 1. 以列表的形式输出
    # reader = csv.reader(csvfile)
    # # print(reader)       # <_csv.reader object at 0x046ED258>
    
    # rows = [row for row in reader]
    # print(rows)             
    # [['姓名', '年龄', '电话'], ['A', '18', '10086'], ['B', '19', '10010']]
    
    
    
    # 2. 以字典的形式输出，第一行作为字典的键
    reader = csv.DictReader(csvfile)
    rows = [row for row in reader]
    print(rows) 
    # [{'姓名': 'A', '年龄': '18', '电话': '10086'}, {'姓名': 'B', '年龄': '19', '电话': '10010'}]
    
    '''
    如果要获取某一行数据，在循环rows，对循环里面的项进行判断筛选符合条件的数据即可
    注意，返回的是字典还是列表
    '''

## 3. Excel写入 ##

*  依赖包

python -m pip install xlwt
    python -m pip install xlrd

### 3.1 写入 ###

*  总体思路

1.  创建临时`Excel`对象
2.  添加工作表
3.  写入数据（注意索引从0开始）
4.  保存

import xlwt
    
    # 新建一个Excel文件
    wb = xlwt.Workbook()
    
    # 新建一个sheet
    ws = wb.add_sheet('python', cell_overwrite_ok=True)
    
    
    
    
    # 写入数据 wb.write(行, 列， 内容 )
    for i in range(0,7):
        for j in range(5):
            ws.write(i,j, i+j)
    
    
    # 保存文件
    wb.save('file.xls')

*  写入的时候，还有很多骚操作可以自行百度哦

### 3.2 读取 ###

*  总体思路

1.  `xlrd`生成`Workbook`对象
2.  选择工作表
3.  读取信息

import xlrd
    
    wb = xlrd.open_workbook('file.xls')
    print("工作表的总数：", wb.nsheets) 
    
    # 1.通过索引获取工作表
    # ws = wb.sheets()[0]
    # ws = wb.sheet_by_index(0)
    
    # 2. 通过名字获取
    ws = wb.sheet_by_name('python')
    print("获取到的工作表",ws)  # 获取到的工作表 Sheet  0:<python>
    nrows = ws.nrows
    ncols = ws.ncols
    print(nrows)                # 7
    print(ncols)                # 5
    
    # print("1行2列的数据", ws.cell(1,2)) # 1行2列的数据 number:3.0
    print("1行2列的数据", ws.cell(0,1).value) # 1行2列的数据 number:3.0
    # 注意行列的索引都是从0开始

## 4. word的写入与读取 ##

*  依赖包

python -m pip install python-docx

### 写入 ###

from docx import Document
    from docx.shared import Inches
    
    document = Document()
    
    # 添加标题， 0代表标题类型
    document.add_heading('python',0)
    
    document.add_paragraph("helloworld")
    
    # 保存
    document.add_page_break()
    document.save('./test.docx')

### 读取 ###

import docx
    text = '\n'
    try:
        doc = docx.Document('./test.docx')
        paragraphs = doc.paragraphs
        print(len(paragraphs))  # 3
        for p in paragraphs:
            text += p.text+'\n'
    except:
        print('打开文件失败')
    
    print("text=",text)