Python爬虫将运行内容写入TXT文件

男娘i 2023-05-31 03:24 39阅读 0赞

写爬虫时常常需要把爬取的数据保存下来做数据分析，这就需要用到python里的文件处理方法  
首先需要open（）函数打开要写入的文件  
open() 将会返回一个 file 对象，基本语法格式如下:

open(filename, mode)

**filename：包含了你要访问的文件名称的字符串值。**  
**mode：决定了打开文件的模式：只读，写入，追加等。所有可取值见如下的完全列表。这个参数是非强制的，默认文件访问模式为只读 ( r )**

<table> 
 <thead> 
  <tr> 
   <th>模式</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>r</td> 
   <td>以只读方式打开文件</td> 
  </tr> 
  <tr> 
   <td>r+</td> 
   <td>打开一个文件用于读写</td> 
  </tr> 
  <tr> 
   <td>rb+</td> 
   <td>以二进制格式打开一个文件用于读写</td> 
  </tr> 
  <tr> 
   <td>w</td> 
   <td>打开一个文件只用于写入。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。</td> 
  </tr> 
  <tr> 
   <td>wb</td> 
   <td>以二进制格式打开一个文件只用于写入。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。</td> 
  </tr> 
  <tr> 
   <td>w+</td> 
   <td>打开一个文件用于读写。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。</td> 
  </tr> 
  <tr> 
   <td>wb+</td> 
   <td>以二进制格式打开一个文件用于读写。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。</td> 
  </tr> 
  <tr> 
   <td>a</td> 
   <td>打开一个文件用于追加。如果该文件已存在，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。</td> 
  </tr> 
  <tr> 
   <td>ab</td> 
   <td>以二进制格式打开一个文件用于追加。如果该文件已存在，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入。</td> 
  </tr> 
  <tr> 
   <td>a+</td> 
   <td>打开一个文件用于读写。如果该文件已存在，文件指针将会放在文件的结尾。文件打开时会是追加模式。如果该文件不存在，创建新文件用于读写。</td> 
  </tr> 
  <tr> 
   <td>ab+</td> 
   <td>以二进制格式打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。如果该文件不存在，创建新文件用于读写。</td> 
  </tr> 
 </tbody> 
</table>

下面是一个简单的实例

# 打开一个文件
    f = open(r"C:\Users\thunderobot\Desktop\新建文件夹\12.txt","w")
    f.write( "Python 是一个非常好的语言。\n我最喜欢用python了!\n" )
    # 关闭打开的文件
    f.close()

打开对应的txt文件，可以发现已经把内容写入了  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjI0MDY2Nw_size_16_color_FFFFFF_t_70]  
下面就是我爬虫中结合内容写入的代码

import requests
    import  re    #正则表达式
    from bs4 import BeautifulSoup
    # 伪装google chrome 77版本
    f=open(r"C:\Users\thunderobot\Desktop\新建文件夹\title.txt","w")
    headers ={ 'User-Agent':
                  'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/77.0.3865.90 Safari/537.36'}
    for i in range(1,69):   #翻页型爬虫
        current_url='http://bbs.zhoushan.cn/forum.php?mod=forumdisplay&fid=143&typeid=108&typeid=108&filter=typeid&page='+str(i)
        strhtml = requests.get(current_url, headers= headers)
        soup = BeautifulSoup(strhtml.text,'lxml')
        unit = soup.findAll("th",{ "class":"new"}) #标题和部门地址
        for item in unit:
            #re.sub(r'\xa0...+\d','',re.sub('\n|New','',item.get_text())) #正则去除多余内容
            f.write(re.sub(r'\xa0...+\d','',re.sub('\n|New','',item.get_text())))#print(result)
            f.write("\n")
    f.close()

可以看到爬下来的内容完整的保存到了txt文件夹中  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjI0MDY2Nw_size_16_color_FFFFFF_t_70 1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjI0MDY2Nw_size_16_color_FFFFFF_t_70]: /images/20230531/541ae56241f04c3ba1b2df0579ea001e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MjI0MDY2Nw_size_16_color_FFFFFF_t_70 1]: /images/20230531/23597ee2e6544ce3baab8829eeb7c261.png