很多人不知道,其实我们最常用的表格,在某些情况下也是可以用来做爬虫的,而且爬下来的数据规整,不需要花太多时间进行数据清洗,来看看是怎么实现的。

一、Microsoft Excel

首先教大家一个用Excel爬取数据的方法,这里用的Microsoft Excel 2013版本,下面手把手开始教学~

(1)新建Excel,打开它,如下图所示

python 爬 asp 表单 python 爬虫 表格_爬虫

(2)点击“数据”——“自网站”

python 爬 asp 表单 python 爬虫 表格_python_02

(3)在弹出的对话框中输入目标网址,这里以全国实时空气质量网站为例,点击转到,再导入

python 爬 asp 表单 python 爬虫 表格_python 爬 asp 表单_03

选择导入位置,确定

python 爬 asp 表单 python 爬虫 表格_Python_04

(4)结果如下图所示,怎么样,是不是很赞?


(5)如果要实时更新数据,可以在“数据”——“全部更新”——“连接属性”中进行设置,输入更新频率即可

python 爬 asp 表单 python 爬虫 表格_Python_05

python 爬 asp 表单 python 爬虫 表格_python_06

二、Google Sheet

使用Google Sheet爬取数据前,要保证三点:使用Chrome浏览器、拥有Google账号、电脑可以科学上网。如果这三个条件具备了的话,下面我们就开始吧~

(1)打开Google Sheet网站:
http://www.google.cn/sheets/about/

python 爬 asp 表单 python 爬虫 表格_python_07

(2)在首页上点击“转到Google表格”,然后登录自己的账号,可以看到如下界面,再点击“+”创建新的表格


新建的表格如下:

python 爬 asp 表单 python 爬虫 表格_python_08

(3)打开要爬取的目标网站,一个全国实时空气质量网站http://www.pm25.in/rank,目标网站上的表格结构如下图所示

python 爬 asp 表单 python 爬虫 表格_数据分析_09

(4)回到Google sheet页面,使用函数=IMPORTHTML(网址, 查询, 索引),“网址”就是要爬取数据的目标网站,“查询”中输入“list”或“table”,这个取决于数据的具体结构类型,“索引”填阿拉伯数字,从1开始,对应着网站中定义的哪一份表格或列表

对于我们要爬取的网站,我们在Google sheet的A1单元格中输入函数

=IMPORTHTML(“http://www.pm25.in/rank”,“table”,1),回车后就爬得数据啦

python 爬 asp 表单 python 爬虫 表格_数据分析_10

python 爬 asp 表单 python 爬虫 表格_爬虫_11

(5)将爬取好的表格存到本地

是不是感觉超级简单?

当然,没有学习成本的技能缺陷也是很明显的,就是在网页的数据排列没那么规则的时候,或者说多个页面的数据,以上的方法就失效了,这个时候Python就展现出它强大的威力了。

不过,话说回来,这么装逼的技能,而且不需要学习成本,掌握了有什么不好呢,没准什么时候就能用上了。