Python社区  »  Python

爬虫数据文件存储要点之JSON

3216301378 • 6 天前 • 37 次点击  

我们程序爬取到的信息肯定是需要保存到本地的,保存信息的方式有数据库和文件的形式,保存文件的常用格式就比较多,如 JSON、CSV、TXT、图⽚、视频、⾳频等,常用的一些库有 csv、xlwt、json、pandas、pickle、python-docx 等,这里我我们了解下JSON格式的使用, JSON(JavaScript Object Notation, JS 对象简谱) 是一种轻量级的数据交换格式。它基于 ECMAScript (欧洲计算机协会制定的js规范)的一个子集,采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言。 易于人阅读和编写,同时也易于机器解析和生成,并有效地提升网络传输效率。 首先我们是保存爬取到的数据,自然就需要要写爬虫,这里简单的示例下,提取信息我就直接放代码了,用的BeautifulSoup的节点选择器和方法选择器。 import json import csv import lxml import requests from bs4 import BeautifulSoup as BS response = open('html.txt',encoding='utf-8') bsobj = BS(response, 'lxml') items = bsobj.find_all('div', class_='explore-feed feed-item', ) for item in items: question = item.a.string author = item.find(name='a', class_='author-link').get_text() answer = item.textarea.string info = [question,author,answer,] dict = {'question':question, 'author':author, 'answer':answer} save_as_txt(info) save_as_json(dict) save_as_csv(info) json我们主要用两个方法: loads(string)读取和 dumps(data, indent=4, ensure_ascii=False)输出 indent 是为了美化输入,是缩进4格 ensure_ascii是为了能够显示中文,否则中文会显示为Unicode字 我们接受一个字典作为输入内容,追加模式写入 def save_as_json(dict): filename = 'info.json' with open(filename, 'a',encoding='utf-8') as file: file.write(json.dumps(dict, indent=4, ensure_ascii=False)+',\n') 结果: 注意的: 1 json.dumps将Python对象编码成JSON字符串 2 josn.loads 将已经编码的json字符串变为python对象。(网上抓包得到的json数据,需要解码成python对象,再进行后续处理)

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/63044
 
37 次点击  
分享到微博