padas爬虫(如何用pytho爬取数据)

导语：用pandas爬取数据，太实用了

hello，大家好，今天又跟大家见面了，提到爬虫，大家都能想到什么？request？scrapy?hai&39;ding一定是这样d的？what？没逗我吧？大家一起来看一看吧！

pandas除了k可以读取Excel、csv文件还可以读取HTML文件，利用这个方法可以直接爬虫网页的Table表格型数据，无需敲更多的爬虫代码，简单！粗暴！

查看HTML结构，如果发现是下面这个table格式的，那直接可以上手开干。

<table class= id=> <thead> <tr> <th>...</th> </tr> </thead> <tbody> <tr> <td>...</td> </tr> <tr>...</tr> <tr>...</tr> ... <tr>...</tr> <tr>...</tr> </tbody></table>

下面我们来看下如何操作。

一、使用方法

举一个例子，拿wiki百科上的各国家收入的页面抓取演示一下。

这个页面中有非常多的表格，符合我们的要求，直接使用read_html，它可以自动将网页的所有表格数据全部抓取下来。代码如下：

import pandas as pdurl = &39;tables = pd.read_html(url)

这里返回的tables是一个DataFrames的列表，每个DataFrame就是网页中从上到下顺序的数据表格。因此，可以用列表的切片tables[x]来提取网页指定的表格数据。比如，我们对第4个表格感兴趣，那么直接：

talbes[3]

当然，上面表格看起来有点别扭，我们可以简单几个操作调整一下表结构。

df = tables[3].droplevel(0, axis=1)\.rename(columns={&39;:&39;, &39;:&39;})\.set_index(&39;)

这样看起来就好多了。

好了，今天的文章就到这里了，如果大家喜欢这篇文章就分享给有需要的人吧！

本文内容由快快网络小舻创作整理编辑！