Python爬取數據并將數據保存到excel中的方法

#將excel中的數據進行讀取分析
import openpyxl
import matplotlib.pyplot as pit #數據統計用的
wk=openpyxl.load_workbook('銷售數據.xlsx')
sheet=wk.active #獲取活動表
#獲取最大行數和最大列數
rows=sheet.max_row
cols=sheet.max_column
lst=[] #用于存儲鞋子碼數
for i in range (2,rows+1):
  size=sheet.cell(i,3).value
  lst.append(size)
#以上已經將excel中的數據讀取完畢
#一下操作就你行統計不同碼數的數量
'''python中有一個數據結構叫做字典，使用鞋碼做key，使用銷售數量做value'''
dic_size={}
for item in lst:
  dic_size[item]=0

for item in lst:
  for size in dic_size:
    #遍歷字典
    if item==size:
      dic_size[size]+=1
      break
for item in dic_size:
  print(item,dic_size[item])
#弄成百分比的形式
lst_total=[]
for item in dic_size:
  lst_total.append([item,dic_size[item],dic_size[item]/160*1.0])

#接下來進行數據的可視化(進行畫餅操作)
labels=[item[0] +'碼'for item in lst_total] #使用列表生成式，得到餅圖的標簽
fraces=[item[2] for item in lst_total] #餅圖中的數據源
pit.rcParams['font.family']=['SimHei'] #單獨的表格亂碼的處理方式
pit.pie(x=fraces,labels=labels,autopct='%1.1f%%')
#pit.show()進行結果的圖片的展示
pit.savefig('圖.jpg')

#所涉及到的是requests和openpyxl數據的存儲和數據的清洗以及統計然后就是matplotlib進行數據的可視化
#靜態數據點擊element中點擊發現在html中，服務器已經渲染好的內容，直接發給瀏覽器，瀏覽器解釋執行，
#動態數據：如果點擊下一頁。我們的地址欄（加后綴但是前面的地址欄沒變也算）（也可以點擊2和3頁）沒有發生任何變化說明是動態數據，說明我們的數據是后來被渲染到html中的。他的數據根本不在html中的。
#動態查看network然后用的url是network里面的headers
#安裝第三方模塊輸入cmd之后pip install 加名字例如requests
import requests
import re
import time
import json
import openpyxl #用于操作 excel文件的
headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}#創建頭部信息
def get_comments(productId,page):
  url = "https://club.jd.com/comment/productPageComments.action?callback=fetchJSON_comment98&productId={0}&score=0&sortType=5&page={1}&pageSize=10&isShadowSku=0&fold=1".format(productId,page)
  resp = requests.get(url, headers=headers)
  s=resp.text.replace('fetchJSON_comment98(','')#進行替換操作。獲取到所需要的相應的json，也就是去掉前后沒用的東西
  s=s.replace(');','')
  json_data=json.loads(s)#進行數據json轉換
  return json_data

#獲取最大頁數
def get_max_page(productId):
  dis_data=get_comments(productId,0)#調用剛才寫的函數進行向服務器的訪問請求，獲取字典數據
  return dis_data['maxPage']#獲取他的最大頁數。每一頁都有最大頁數

#進行數據提取
def get_info(productId):
  max_page=get_max_page(productId)
  lst=[]#用于存儲提取到的商品數據
  for page in range(1,max_page+1):
    #獲取沒頁的商品評論
    comments=get_comments(productId,page)
    comm_list=comments['comments']#根據comnents獲取到評論的列表(每頁有10條評論)
    #遍歷評論列表，獲取其中的相應的數據
    for item in comm_list:
      #每條評論分別是一字典。在繼續通過key來獲取值
      content=item['content']
      color=item['productColor']
      size=item['productSize']
      lst.append([content,color,size])#將每條評論添加到列表當中
    time.sleep(3)#防止被京東封ip進行一個時間延遲。防止訪問次數太頻繁
  save(lst)

def save(lst):
  #把爬取到的數據進行存儲,保存到excel中
  wk=openpyxl.Workbook()#用于創建工作簿對象
  sheet=wk.active #獲取活動表（一個工作簿有三個表）
  #遍歷列表將數據添加到excel中。列表中的一條數據在表中是一行
  biaotou='評論','顏色','大小'
  sheet.append(biaotou)
  for item in lst:
    sheet.append(item)
  #將excel保存到磁盤上
  wk.save('銷售數據.xlsx')


if __name__=='__main__':
  productId='66749071789'
  get_info(productId)
  print("ok")