爬虫笔记12——网页爬取数据写入json文件




import requests
import json
import os.path
from bs4 import BeautifulSoup
 
def save_to_json(content, file_path):
    with open(file_path, 'w', encoding='utf-8') as f:
        json.dump(content, f, ensure_ascii=False, sort_keys=True, indent=4)
 
def crawl_and_save_data(url, file_path):
    response = requests.get(url)
    if response.status_code == 200:
        soup = BeautifulSoup(response.text, 'lxml')
        data = []
        for tr in soup.find('tbody').children:
            if isinstance(tr, BeautifulSoup.Tag):
                tds = tr('td')
                data.append({
                    '序号': tds[0].text,
                    '名称': tds[1].text,
                    '地址': tds[2].text,
                    '类型': tds[3].text,
                    '状态': tds[4].text,
                    '更新时间': tds[5].text
                })
        save_to_json(data, file_path)
 
if __name__ == '__main__':
    base_url = 'http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2018/'
    file_path = 'china_provinces.json'
    crawl_and_save_data(base_url, file_path)

这段代码首先定义了一个将内容写入json文件的函数save_to_json,然后定义了一个爬取网页数据并将其写入json文件的函数crawl_and_save_data。最后,在__main__块中调用了crawl_and_save_data函数来爬取指定的网页并将数据保存到json文件中。这个例子展示了如何将爬取的数据进行结构化处理并保存,为进一步的数据分析和处理打下了基础。

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日