Python简单爬虫导出CSV文件的实例讲解

流程：模拟登录→获取Html页面→正则解析所有符合条件的行→逐一将符合条件的行的所有列存入到CSVData[]临时变量中→写入到CSV文件中

核心代码：

 ####写入Csv文件中      with open(self.CsvFileName, 'wb') as csvfile:        spamwriter = csv.writer(csvfile, dialect='excel')        #设置标题        spamwriter.writerow(["游戏账号","用户类型","游戏名称","渠道","充值类型","充值金额","返利金额","单号","日期"])        #将CsvData中的数据循环写入到CsvFileName文件中        for item in self.CsvData:          spamwriter.writerow(item)

完整代码：

# coding=utf-8import urllibimport urllib2import cookielibimport reimport csvimport sys class Pyw():  #初始化数据  def __init__(self):    #登录的Url地址    self.LoginUrl="http://v.pyw.cn/login/check"    #所要获取的Url地址    self.PageUrl="http://v.pyw.cn/Data/accountdetail/%s"    # 传输的数据：用户名、密码、是否记住用户名    self.PostData = urllib.urlencode({      "username": "15880xxxxxx",      "password": "a123456",      "remember": "1"    })    #第几笔记录    self.PageIndex=0;    #循环获取共4页内容    self.PageTotal=1    #正则解析出tr    self.TrExp=re.compile("(?isu)<tr[^>]*>(.*?)</tr>")    #正则解析出td    self.TdExp = re.compile("(?isu)<td[^>]*>(.*?)</td>")    #创建cookie    self.cookie = cookielib.CookieJar()    #构建opener    self.opener=urllib2.build_opener(urllib2.HTTPCookieProcessor(self.cookie))    #解析页面总页数    self.Total=4    #####设置csv文件    self.CsvFileName="Pyw.csv"    #####存储Csv数据    self.CsvData=[]    #解析网页中的内容  def GetPageItem(self,PageHtml):    #循环取出Table中的所有行    for row in self.TrExp.findall(PageHtml):      #取出当前行的所有列      coloumn=self.TdExp.findall(row)      #判断符合的记录      if len(coloumn) == 9:        # print "游戏账号:%s" % coloumn[0].strip()        # print "用户类型:%s" % coloumn[1].strip()        # print "游戏名称:%s" % coloumn[2].strip()        # print "渠道:%s" % coloumn[3].strip()        # print "充值类型:%s" % coloumn[4].strip()        # print "充值金额:%s" % coloumn[5].strip().replace("￥", "")        # print "返利金额:%s" % coloumn[6].strip().replace("￥", "")        # print "单号:%s" % coloumn[7].strip()        # print "日期:%s" % coloumn[8].strip()        #拼凑行数据        d=[coloumn[0].strip(),          coloumn[1].strip(),          coloumn[2].strip(),          coloumn[3].strip(),          coloumn[4].strip(),          coloumn[5].strip().replace("￥", ""),          coloumn[6].strip().replace("￥", ""),          coloumn[7].strip(),          coloumn[8].strip()]        self.CsvData.append(d)   #模拟登录并获取页面数据  def GetPageHtml(self):    try:      #模拟登录      request=urllib2.Request(url=self.LoginUrl,data=self.PostData)      ResultHtml=self.opener.open(request)      #开始执行获取页面数据      while self.PageTotal<=self.Total:        #动态拼凑所要解析的Url        m_PageUrl = self.PageUrl % self.PageTotal        #计算当期第几页        self.PageTotal = self.PageTotal + 1        #获取当前解析页面的所有内容        ResultHtml=self.opener.open(m_PageUrl)        #解析网页中的内容        self.GetPageItem(ResultHtml.read())       ####写入Csv文件中      with open(self.CsvFileName, 'wb') as csvfile:        spamwriter = csv.writer(csvfile, dialect='excel')        #设置标题        spamwriter.writerow(["游戏账号","用户类型","游戏名称","渠道","充值类型","充值金额","返利金额","单号","日期"])        #将CsvData中的数据循环写入到CsvFileName文件中        for item in self.CsvData:          spamwriter.writerow(item)       print "成功导出CSV文件！"    except Exception,e:      print "404 error!%s" % e#实例化类p=Pyw()#执行方法p.GetPageHtml()