鱼C论坛

 找回密码
 立即注册
查看: 1872|回复: 2

[已解决]爬虫网站导出EXCEL报错,请问应该如何修改

[复制链接]
发表于 2019-3-26 09:28:43 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
练习爬虫中关村在线排名网站,导出EXCEL时报错,我应该怎么修改?
附代码:
import requests
import bs4
import re
import openpyxl

def open_url(url):
    # 使用代理
    # proxies = {"http": "127.0.0.1:1080", "https": "127.0.0.1:1080"}
    headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}

    # res = requests.get(url, headers=headers, proxies=proxies)
    res = requests.get(url, headers=headers)

    return res
       
def find_notbook(res):
    soup = bs4.beautifulsoup(res.text,'html.parser')
       
    #排名
    rank = []
    targets = soup.find_all("div",class_="rank-list__cell cell-1")
    for each in targets:
        rank.append(each.text)
               
    #型号
    model = []
    targets = soup.find_all("div",class_="rank-list__cell cell-3")
    for each in targets:
        model.append(each.text)
       
    #价格
    price = []
    targets = soup.find_all("div",class_="rank-list__cell cell-4")
    for each in targets:
        price.appen(each.text)
               
    #热度
    hot = []
    targets = soup.find_all("div",class_="rank-list__cell cell-5")
    for each in targets:
        hot.appen(each.text)
       
    #评分
    grade = []
    targets = soup.find_all("div",class_="rank-list__cell cell-6")
    for each in targets:
        grade.appen(each.text)
               
    result = []
    length = len(rank)
    for i in range(length):
        result.append([rank[i], model[i], price[i],hot[i],grade[i]])

    return result
'''       
# 找出一共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text

    return int(depth)
'''
def save_to_excel(result):
    wb = openpyxl.Workbook()
    ws = wb.active

    ws['A1'] = "排名"
    ws['B1'] = "型号"
    ws['C1'] = "价格"
    ws['D1'] = "热度"
    ws['E1'] = "评分"

    for each in result:
        ws.append(each)

    wb.save("中关村笔记本电脑排行榜.xlsx")

def main():
    host = "http://top.zol.com.cn/compositor/16/notebook.html"
    res = open_url(host)

    save_to_excel(res)
   
if __name__ == "__main__":
    main()

       
最佳答案
2019-3-26 11:58:08
第一,你根本就没有调用find_notbook(res)这个函数去获取信息
第二,你写的爬虫部分不完善,以爬取排名部分为例,rank这个list,你把‘排名’这个字符串放进去了,而且,排名为1的那个,网站上是个图片,你获取到的文字是空的,就加了一个空字符串到rank里面,这些问题都是要先处理一下的,不能直接拿来就用
第三,有不少细节问题,函数没写全等等的


import requests
import bs4
import re
import openpyxl

def open_url(url):
    # 使用代理
    # proxies = {"http": "127.0.0.1:1080", "https": "127.0.0.1:1080"}
    headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}

    # res = requests.get(url, headers=headers, proxies=proxies)
    res = requests.get(url, headers=headers)

    return res
      
def find_notbook(res):
    soup = bs4.BeautifulSoup(res.text,'html.parser')
      
    #排名
    rank = []
    targets = soup.find_all("div",class_="rank-list__cell cell-1")
    for each in targets:
        rank.append(each.text)
               
    #型号
    model = []
    targets = soup.find_all("div",class_="rank-list__cell cell-3")
    for each in targets:
        model.append(each.text)
      
    #价格
    price = []
    targets = soup.find_all("div",class_="rank-list__cell cell-4")
    for each in targets:
        price.append(each.text)
               
    #热度
    hot = []
    targets = soup.find_all("div",class_="rank-list__cell cell-5")
    for each in targets:
        hot.append(each.text)
      
    #评分
    grade = []
    targets = soup.find_all("div",class_="rank-list__cell cell-6")
    for each in targets:
        grade.append(each.text)
               
    result = []
    length = len(rank)
    for i in range(length):
        result.append([rank[i], model[i], price[i],hot[i],grade[i]])

    print(result)
    return result
'''      
# 找出一共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text

    return int(depth)
'''
def save_to_excel(result):
    wb = openpyxl.Workbook()
    ws = wb.active

    ws['A1'] = "排名"
    ws['B1'] = "型号"
    ws['C1'] = "价格"
    ws['D1'] = "热度"
    ws['E1'] = "评分"

    for each in result:
        print(each)
        ws.append(each)

    wb.save("中关村笔记本电脑排行榜.xlsx")

def main():
    host = "http://top.zol.com.cn/compositor/16/notebook.html"
    res = open_url(host)
    res0 = find_notbook(res)
    save_to_excel(res0)
   
if __name__ == "__main__":
    main()
爬虫问题.jpg
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2019-3-26 11:58:08 | 显示全部楼层    本楼为最佳答案   
第一,你根本就没有调用find_notbook(res)这个函数去获取信息
第二,你写的爬虫部分不完善,以爬取排名部分为例,rank这个list,你把‘排名’这个字符串放进去了,而且,排名为1的那个,网站上是个图片,你获取到的文字是空的,就加了一个空字符串到rank里面,这些问题都是要先处理一下的,不能直接拿来就用
第三,有不少细节问题,函数没写全等等的


import requests
import bs4
import re
import openpyxl

def open_url(url):
    # 使用代理
    # proxies = {"http": "127.0.0.1:1080", "https": "127.0.0.1:1080"}
    headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.98 Safari/537.36'}

    # res = requests.get(url, headers=headers, proxies=proxies)
    res = requests.get(url, headers=headers)

    return res
      
def find_notbook(res):
    soup = bs4.BeautifulSoup(res.text,'html.parser')
      
    #排名
    rank = []
    targets = soup.find_all("div",class_="rank-list__cell cell-1")
    for each in targets:
        rank.append(each.text)
               
    #型号
    model = []
    targets = soup.find_all("div",class_="rank-list__cell cell-3")
    for each in targets:
        model.append(each.text)
      
    #价格
    price = []
    targets = soup.find_all("div",class_="rank-list__cell cell-4")
    for each in targets:
        price.append(each.text)
               
    #热度
    hot = []
    targets = soup.find_all("div",class_="rank-list__cell cell-5")
    for each in targets:
        hot.append(each.text)
      
    #评分
    grade = []
    targets = soup.find_all("div",class_="rank-list__cell cell-6")
    for each in targets:
        grade.append(each.text)
               
    result = []
    length = len(rank)
    for i in range(length):
        result.append([rank[i], model[i], price[i],hot[i],grade[i]])

    print(result)
    return result
'''      
# 找出一共有多少个页面
def find_depth(res):
    soup = bs4.BeautifulSoup(res.text, 'html.parser')
    depth = soup.find('span', class_='next').previous_sibling.previous_sibling.text

    return int(depth)
'''
def save_to_excel(result):
    wb = openpyxl.Workbook()
    ws = wb.active

    ws['A1'] = "排名"
    ws['B1'] = "型号"
    ws['C1'] = "价格"
    ws['D1'] = "热度"
    ws['E1'] = "评分"

    for each in result:
        print(each)
        ws.append(each)

    wb.save("中关村笔记本电脑排行榜.xlsx")

def main():
    host = "http://top.zol.com.cn/compositor/16/notebook.html"
    res = open_url(host)
    res0 = find_notbook(res)
    save_to_excel(res0)
   
if __name__ == "__main__":
    main()
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2019-3-26 12:50:08 | 显示全部楼层
shake_a_tree@16 发表于 2019-3-26 11:58
第一,你根本就没有调用find_notbook(res)这个函数去获取信息
第二,你写的爬虫部分不完善,以爬取排名部 ...

感谢大佬!
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-13 07:40

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表