本期将解说如果将数据保留到 CSV 文件。
逗号分隔值（Comma-Separated Values，CSV，有时也称为字符分隔值，因为分隔字符也能够不是逗号）是存储表格数据罕用文件格式。Microsoft Excel 和很多利用都反对 CSV 格局，因为它很简洁。上面是一个 CSV 文件的例子：
code,parentcode,level,name,parentcodes,province,city,district,town,pinyin,jianpin,firstchar,tel,zip,lng,lat
110000,100000,1, 北京,110000, 北京,,,,Beijing,BJ,B,,,116.405285,39.904989
110100,110000,2, 北京市,"110000,110100", 北京, 北京市,,,Beijing,BJS,B,010,100000,116.405285,39.904989
110101,110100,3, 东城区,"110000,110100,110101", 北京, 北京市, 东城区,,Dongcheng,DCQ,D,010,100000,116.418757,39.917544
和 Python 一样，CSV 里留白（whitespace）也是很重要的：每一行都用一个换行符，列与列之间用逗号分隔（因而也叫“逗号分隔值”）。CSV 文件还能够用 Tab 字符或其余字符分隔行，然而不太常见，用得不多。
如果你只想从网页上把 CSV 文件下载到电脑里，不打算做任何批改和解析，那么接下来的内容就不要看了，只用上一篇文章介绍的办法下载并保留 CSV 文件就能够了。
Python 的 CSV 库能够非常简单的批改 CSV 文件，甚至从零开始创立一个 CSV 文件：
import csv
import os
from os import path
class DataSaveToCSV(object):
@staticmethod
def save_data():
get_path = path.join(os.getcwd(), 'files')
if not path.exists(get_path):
os.makedirs(get_path)
csv_file = open(get_path + '\\test.csv', 'w+', newline='')
try:
writer = csv.writer(csv_file)
writer.writerow(('number', 'number plus 2', 'number times 2'))
for i in range(10):
writer.writerow((i, i + 2, i * 2))
finally:
csv_file.close()
if __name__ == '__main__':
DataSaveToCSV().save_data()
如果 files 文件夹不存在，新建文件夹。如果文件曾经存在，Python 会用新的数据笼罩 test.csv 文件，newline='' 去掉行与行之间得空格。
运行实现之后，你会看到一个 CSV 文件：
number,number plus 2,number times 2
0,2,0
1,3,2
2,4,4
3,5,6
4,6,8
5,7,10
6,8,12
7,9,14
8,10,16
9,11,18
上面一个示例是采集某博客文章，并存储到 CSV 文件中，具体代码如下：
import csv
import os
from os import path
from utils import connection_util
from config import logger_config
class DataSaveToCSV(object):
def __init__(self):
self._init_download_dir = 'downloaded'
self._target_url = 'https://www.scrapingbee.com/blog/'
self._baseUrl = 'https://www.scrapingbee.com'
self._init_connection = connection_util.ProcessConnection()
logging_name = 'write_csv'
init_logging = logger_config.LoggingConfig()
self._logging = init_logging.init_logging(logging_name)
def scrape_data_to_csv(self):
get_path = path.join(os.getcwd(), 'files')
if not path.exists(get_path):
os.makedirs(get_path)
with open(get_path + '\\article.csv', 'w+', newline='', encoding='utf-8') as csv_file:
writer = csv.writer(csv_file)
writer.writerow(('题目', '公布工夫', '内容概要'))
# 连贯指标网站，获取内容
get_content = self._init_connection.init_connection(self._target_url)
if get_content:
parent = get_content.findAll("section", {"class": "section-sm"})[0]
get_row = parent.findAll("div", {"class": "col-lg-12 mb-5 mb-lg-0"})[0]
get_child_item = get_row.findAll("div", {"class": "col-md-4 mb-4"})
for item in get_child_item:
# 获取题目文字
get_title = item.find("a", {"class": "h5 d-block mb-3 post-title"}).get_text()
# 获取公布工夫
get_release_date = item.find("div", {"class": "mb-3 mt-2"}).findAll("span")[1].get_text()
# 获取文章形容
get_description = item.find("p", {"class": "card-text post-description"}).get_text()
writer.writerow((get_title, get_release_date, get_description))
else:
self._logging.warning('未获取到文章任何内容，请查看！')
if __name__ == '__main__':
DataSaveToCSV().scrape_data_to_csv()
代码大部分复用了前几篇文章的内容，这里须要着重阐明的是：
logging_name = 'write_csv'
init_logging = logger_config.LoggingConfig()
self._logging = init_logging.init_logging(logging_name)
设置日志名称，并实例化日志，用于前面记录日志。
with open(get_path + '\\article.csv', 'w+', newline='', encoding='utf-8') as csv_file:
with() 定义了在执行 with 语句时要建设的运行时上下文。with() 容许对一般的 try…except…finally 应用模式进行封装以不便地重用。
newline='' 防止在 CSV 文件中行与行之间空行内容产生。
同时也设置了文件的编码为 utf-8，这样做的目标是防止文件含有中文或者其余语言造成乱码。
以上就是对于将采集的内容保留为 csv 文件的内容，本实例的所有代码托管于 github。
github: https://github.com/sycct/Scra…
如果有任何问题，欢送在 github issue。