今天给大家分享一个小网站的数据采集，并写到excel里面！

分析网站

目标网站是“小咪购”，这里有天猫所有的含有购物券的商品信息，我们今天就来抓它吧！

随便找一段文字，然后点击右键查看网页源代码，看看是否存在该文字，如果存在，那么这个网页就是静态网站了！很幸运，这个网站居然是静态的。

那就简单了，不需要去分析ajax加载数据或者找json包了，直接获取网页源代码==>>匹配相关内容==>>保存数据即可！

工具和库

Windows+python3.6

import random

import time

import requests

from lxml import etree

import xlwt

用这几个库就可以搞定了！注意xlwt和xlrd这2个库都是操作excel的，一个是保存数据，一个是读取数据，不要搞混了。

开始写代码

首先写一个函数，将所有的爬虫工作写到函数里，如下图

这个网站需要写上headers，不写是抓不到数据的！新建一个列表，将爬到的相关数据写入列表，它的形式大概是这样的：【【产品信息A1，2，3……】，【产品信息B1，2，3……】……】，这么写列表是因为我们后要将他们写如excel表格，那么列表中的每一个元素（还是列表形式）都是一行数据，方便写入！

注意第33行，列表构成的时候，用+连接会将所有列表中的元素放入一个列表，比如：【1，2，3】+【4，5】=【1，2，3，4，5】，而用append()函数则会将后面的内容作为一个元素加入列表中，比如：[1,2,3].append([4,5])=[1,2,3,[4,5]]

下来就是写入excel了，首先是新建excel表格，并写入行数据

wb = xlwt.Workbook(encoding='utf-8')
    ws = wb.add_sheet('优惠券')
    path = 'E://python//优惠券.xls' head = ['序号','商品类型','商品名称','优惠券','券后价','在售价','销量','推荐理由','商品链接'] for i in range(9):
        ws.write(0,i,head[i]) 
		

			
			

				1
			

			

				2
			

			

				3
			

			

				4
			

			

				5
			

			

				6
			

		

后面的数据，依次按格式写入并后用wb.save(路径)的方式保存即可！完整代码及效果如下

import random import time import requests from lxml import etree import xlwt def main(line = 1): headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:60.0) Gecko/20100101 Firefox/60.0'}
    url = 'http://www.hlxns.com' html = requests.get(url, headers=headers)
    html.encoding = 'utf-8' page = etree.HTML(html.text).xpath('//a[@class="item"]/text()')[-1] for i in range(int(line/100)+1, int(page) + 1):
        k = 1 lis = []
        print('【开始下载】第%d页数据'%i)
        htm = requests.get(url + '/index.php?r=l&page={}'.format(str(i)), headers=headers)
        htm.encoding = 'utf-8' data = etree.HTML(htm.text)
        url_sps = data.xpath('//div[@class="title"]/a/@href') for url_sp in url_sps:#一页100条 time.sleep(random.random()*2)
            print('      【正在下载】第%03d页第%03d条商品数据'%(i,k),end='')
            k += 1 html_sp = requests.get(url + url_sp, headers=headers)
            html_sp.encoding = 'utf-8' info = etree.HTML(html_sp.text)
            title = info.xpath('//span[@class="title"]/text()') # 产品 summary = [x.replace('推荐理由：','') for x in info.xpath('//span[@class="theme-color-3"]/text()')] # 推荐理由 category = info.xpath('//div[@class="nav-wrap"]/div/a[3]/text()') # 类别 now_price = info.xpath('//span[@class="now-price"]/b[2]/i/text()') # 券后价 old_price = info.xpath('//span[@class="org-price"]/i/text()') # 在售价 nums = info.xpath('//div[@class="text-wrap"]/span[2]/i/text()') # 销量 coupon = info.xpath('//div[@class="buy-coupon theme-color-8"]/span/b/text()') # 优惠券 sp_url = info.xpath('//a[@class="theme-bg-color-8"]/@href') # 链接 lis.append(category+title+coupon+now_price+old_price+nums+summary+sp_url)
            print('................................【下载完成】')
        print('######第%d页数据   【下载完成】'%i) for ii in range(len(lis)):
            lis[ii].insert(0, line) # 添加序号 for j in range(9): # 列 ws.write(line, j, lis[ii][j])
            line += 1 print('>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>【写入本页数据完成】<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<')
        wb.save(path) if __name__ == '__main__':
    wb = xlwt.Workbook(encoding='utf-8')
    ws = wb.add_sheet('优惠券')
    path = 'E://python//优惠券.xls' head = ['序号','商品类型','商品名称','优惠券','券后价','在售价','销量','推荐理由','商品链接'] for i in range(9):
        ws.write(0,i,head[i])
    main()  
	

		
		

			1
		

		

			2
		

		

			3
		

		

			4
		

		

			5
		

		

			6
		

		

			7
		

		

			8
		

		

			9
		

		

			10
		

		

			11
		

		

			12
		

		

			13
		

		

			14
		

		

			15
		

		

			16
		

		

			17
		

		

			18
		

		

			19
		

		

			20
		

		

			21
		

		

			22
		

		

			23
		

		

			24
		

		

			25
		

		

			26
		

		

			27
		

		

			28
		

		

			29
		

		

			30
		

		

			31
		

		

			32
		

		

			33
		

		

			34
		

		

			35
		

		

			36
		

		

			37
		

		

			38
		

		

			39
		

		

			40
		

		

			41
		

		

			42
		

		

			43
		

		

			44
		

		

			45
		

		

			46
		

		

			47
		

		

			48
		

		

			49
		

		

			50
		

		

			51
		

		

			52
		

		

			53
		

		

			54
		

		

			55
		

	

由于网站更新的很快（官方说是10分钟。。。），所以也没有抓取那么多，所有的页面有大约600多页，一页100条信息，也就是说一共有6万多条商品信息，如果不用多线程的话会很慢！