保存的形式可以多种多样，最简单的形式是 接保存为文本文件，如 TXT、JSON、CSV等。还可以保存到数据库中，如关系型数据库 MySQL ，非关系型数据库 MongoDB、Redis等。
一、TXT文本存储
- 基本实例：
-
可以用 requests 将网页源代码获取下来，然后使用 pyquery 解析库解析，接下来将提取的标题、 回答者、 回答保存到文本，代码：
import requests from pyquery import PyQuery as pq url = 'https://www.zhihu.com/explore' headers = { 'User-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36' } html = requests.get(url,headers =headers).text doc = pq(html) items = doc('.explore-tab .feed-item').items() for item in items: question = item.find('h2').text() author = item.find('.author-link-line').text() answers = pq(item.find('.content').html()).text() file = open('explore.txt', 'a', encoding='utf-8') file.write(' '.join([question, author, answers])) file.write(' '+'='*50+' ') file.close()
用 requests 提取知乎的"发现"页面，然后将热门话题的问题、回答者、答案全文提取出来，然后利用 Python 提供的open（）方法打开一个文本文件，获取一个文件操作对象，这里赋值为 file，接着利用 file 对 象的 write（）方法将提取的内容写入文件，最后调用 ιlose（）方法将其关闭，这样抓取的内容即可成功 写入文本中了。
-
- 打开方式
-
open（）方法的第二个参数设置成了 a，这样在每次写入文本时不会清空源文件， 而是在文件末尾写入新的内容，这是一种文件打开方式。
-
r：以只读方式打开文件。 文件的指针将会放在文件的开头。 这是默认模式。
- rb：以二进制只读方式打开一个文件。 文件指针将会放在文件的开头。
- r+：以读写方式打开一个文件， 文件指针将会放在文件的开头。
- rb+：以二进制读写方式打开一个文件。 文件指针将会放在文件的开头。
- w：以写入方式打开一个文件。 如果该文件已存在，则将其覆盖。 如果该文件不存在，则创建新文件。
- wb：以二进制写入方式打开一个文件。 如果该文件已存在，则将其覆盖。 如果该文件不存 在， 则创建新文件
- w+：以读写方式打开一个文件。 如果该文件已存在，则将其覆盖。 如果该文件不存在，则创 建新文件
- wb+：以二进制读写格式打开一个文件。 如果该文件已存在， 则将其覆盖。 如果该文件不存 在， 则创建新文件。
- a： 以追加方式打开一个文件。 如果该文件已存在，文件指针将会放在文件结尾， 如果该文件不存在， 则创建新文件来写入。
- ab：以二进制追加方式打开一个文件。 如果该文件已存在，则文件指针将会放在文件结尾，如果该文件不存在，则创建新文件来写入
- a+：以读写方式打开一个文件。 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。 如果文件不存在，则创建新文件来读写。
- ab+：以二进制追加方式打开一个文件。 如果该文件已存在，则文件指针将会放在文件结尾。 如果该文件不存在，则创建新文件用于读写
-
-
- 简化写法
- 使用 with as 语法。在 with 控制块结束时，文件会自动关闭，不需要再调用 close（）方法。示例：
with open('explore.txt', 'a', encoding='utf-8') as file: file.write(' '.jason([question,author,answers])) file.write(' '+'='*50+' ')
如果想保存时将原文清空，那么可以将第二个参数改写为 w，示例：
with open('explore.txt', 'w', encoding='utf-8') as file: file.write(' '.jason([question,author,answers])) file.write(' '+'='*50+' ')
- 使用 with as 语法。在 with 控制块结束时，文件会自动关闭，不需要再调用 close（）方法。示例：
二、Json文件存储
JSON，全称为 JavaScript Object Notation， 是 JavaScript对象标记， 通过对象和数组的组合来表示数据，构造简洁但结构化程度非常高，是一种轻量级的数据交换格式。
- 对象和数组
-
在 JavaScript语言中，一切都是对象。 因此，任何支持的类型都可以通过 JSON来表示，如：字符串、数字、对象、数组等，对象和数组是比较特殊且常用的两种类型
- 对象：在 JavaScript 中是使用花括号｛｝包裹起来的内容，数据结构为｛key1: value1, key2: value2，… ｝的键值对结构。 在面向对象的语言中， key 为对象的属性， value 为对应的值。 键名可以使用整数和字符串来表示。 值的类型可以是任意类型。
- 数组：数组在 JavaScript 中是方括号［］包裹起来的内容，数据结构为［"java"，"javascript"，"vb"，.... ］的索引结构。在JavaScript 中， 数组是一种比较特殊的数据类型，也可以像对象那样使用键值对，但还是索引用得多。 同样，值的类型可以是任意类型。
- 所以，一个JSON对象可以写成如下形式：
[{ "name": "Bob", "gender": "male", "birthday": "1992-10-18",}, {"name": "Snlina", "gender": "female", "birthday": "1995-10-18" }]
由中括号包围的就相当于列表类型，列表中的每个元素可以是任意类型，这个示例中它是字典类型，由大括号包围。
JSON 可以由以上两种形式自由组合而成，可以无限次嵌套，结构清晰，是数据交换的极佳方式。
- 所以，一个JSON对象可以写成如下形式：
-
- 读取JSON
-
可以调用 JSON 库 的 loads（）方法将 JSON 文本字符串转为 JSON对象，可以通过 dumps（）方法将 JSON 对象转为文本字符串。
例：一段 JSON 形式的字符串，是 str 类型，可以用 Python 将其转换为可操作的数据结构——列表或字典：import json str = ''' [{ "name":"Bob", "gender":"male", "birthday": "1992-10-18" },{ "name": "Selina", "gender":"female", "birthday": "1995-10-18" }] ''' print(type(str)) data = json.loads(str) print(data) print(type(data)) 输出：
View Code<class 'str'> [{'name': 'Bob', 'gender': 'male', 'birthday': '1992-10-18'}, {'name': 'Selina', 'gender': 'female', 'birthday': '1995-10-18'}] <class 'list'>
使用 loads（）方法将字符串转为 JSON 对象。 由于最外层是中括号，所以最终的类型是列表类型。
针对列表，可以用索引来获取对应的内容。 如，想取第一个元素里的 name 属性， 可以使用如下方式：
data[0]['name'] data[0].get('name') 输出： Bob
中括号加 0 索引，可以得到第一个字典元素，再调用键名即可得到相应的键值。 获取键值时有两种方式：一种是中括号加键名 ，另一种是通过 get（）方法传人键名。 推荐使用 get()方法，这样如果键名不存在，则不会报错，会返回 None。 另外， get（）方法还可以传入第二个参数（即 .. 默认值），示例：
data[0].get('age') data[0].get('age',25) 输出： None 25
尝试获取年龄 age，在原字典中该键名不存在，此时默认会返回 None。 如果传入第 二个参数（ 即默认值），那么在不存在的情况下返回该默认值。
注意：JSON 的数据需要用双引号来包围 ， 不能使用单引号。 例：若使用如下形式表示，则会出现错误：
View Codeimport json str = ''' [{ 'name':'Bob', 'gender':'male', 'birthday': '1992-10-18' },{ 'name': 'Selina', 'gender':'female', 'birthday':'1995-10-18' }] ''' data = json.loads(str) 输出： json.decoder.JSONDecodeError: Expecting property name enclosed in double quotes: line 2 column 8 (char 8)
出现 JSON解析错误提示。注意：JSON 字符串的表示需要用双引号，否则 loads（）方法会解析失败。
-
从 JSON 文本中读取内容，例：有一个 data.json 文件，内容是刚才定义的 JSON 字符串，可以先将文本文件内容读出，然后再利用 loads（）方法转化：
import json with open('data.json','r') as file: str = file.read() data = json.loads(str) print(data)
-
-
输出JSON
-
可以调用 dumps（）方法将 JSON 对象转化为字符串。 例：将例中的列表重新写入文本：
import json data = ''' [{ "name": "Bob", "gender": "male", "birthday": "1992-10-18" }] ''' with open('data.json','a',encoding='utf-8') as f: f.write(json.dumps(data))
利用 dumps（）方法，可以将 JSON 对象转为字符串，然后再调用文件的 write（）方法写入文本
-
如果想保存 JSON 的格式，可以再加一个参数 indent，代表缩进字符个数。 示例：
with open('data.json','a',encoding='utf-8') as f: f.write(json.dumps(data,indent=2))
这样得到的内容会自动带缩进，格式更加清晰。
-
如果 JSON 中包含中文字符，需要指定参数 ensure_ascii 为 False，还要规定文件输出的编码：
with open('data.json','w',encoding='utf-8') as f: f.write(json.dumps(data,indent=2,ensure_ascii= False))
-
三、CSV文件存储
- 写入
-
import csv with open('data.csv','w') as csvfile: writer =csv.writer(csvfile) writer.writerow(['id','name','age']) writer.writerow(['10001','Mike',20]) writer.writerow(['10002','Bob',22]) writer.writerow(['10003','Jordan',21])
首先打开 data.csv 文件，然后指定打开的模式为 w（写入），获得文件句柄，随后调用 csv 库 的 writer（）方法初始化写人对象，传入该句柄，然后调用 writerow（）方法传入每行的数据即可完成写入。
写人的文本默认以逗号分隔，调用一次 writerow（）方法即可写入一行数据。 -
如果想修改列与列之间的分隔符，可以传入 delimiter 参数，代码如下：
import csv with open('data.csv','w') as csvfile: writer =csv.writer(csvfile,delimiter='') --snip--
里在初始化写入对象时传入 delimiter 为空格， 此时输出结果的每一列就是以空格分隔。
-
也可以调用 writerows（）方法同时写入多行， 此时参数需要为二维列表，例：
import csv with open('data.csv','w') as csvfile: writer =csv.writer(csvfile) writer.writerow(['id','name','age']) writer.writerow(['10001','Mike',20],['10002','Bob',22],['10003','Jordan',21])
输出内容相同。
-
是一般情况下，爬虫爬取的都是结构化数据，一般会用字典来表示。在 CSV 库中也提供了字典的写入方式，示例：
import csv with open('data.csv','w') as csvfile: filenames = ['id','name','age'] writer = csv.DictWriter(csvfile,fieldnames=filenames) writer.writeheader() writer.writerow({'id':'10001','name':'Mike','age':20}) writer.writerow({'id':'10002','name':'Bob','age':22}) writer.writerow({'id':'10003','name':'Jordan','age':21})
先定义 3 个字段，用 fieldnames 表示，再将其传给 DictWriter 来初始化一个字典写人对 象，接着调用 writeheader（）方法先写人头信息，然后再调用 writerow（）方法传人相应字典。
-
如果想追加写人，可以修改文件的打开模式，即将 open（）函数的第二个参数改成 a，示例：
import csv with open('data.csv','a') as csvfile: filenames = ['id','name','age'] writer = csv.DictWriter(csvfile,fieldnames=filenames) writer.writerow({'id':'10004','name':'Durant','age':22})
-
如果要写入中文内容，可能会遇到字符编码的问题，此时需要给 open（）参数指定编码格式。 例如，再写入一行包含中文的数据，代码需要改写：
import csv with open('data.csv','a',encoding='utf-8') as csvfile: filenames = ['id','name','age'] writer = csv.DictWriter(csvfile,fieldnames=filenames) writer.writerow({'id':'10005','name':'王伟','age':22})
这里需要给 open（）函数指定编码，否则可能发生编码错误。
-
如果接触过 pandas 库的话，可以调用 DataFrame 对象的 to_csv（）方法来将数据写人 csv 文件中。
-
-
读取
-
同样可以使用 csv 库来读取 csv 文件。 如，将写入的文件内容读取出来，如下：
import csv with open('data.csv','r',encoding='utf-8') as csvfile: reader =csv.reader(csvfile) for row in reader: print(row)
这里构造的是 Reader 对象，通过遍历输出了每行的内容，每一行都是一个列表形式。 注意， 如果 csv 文件中包含中文的话，还需要指定文件编码。
-
如果知道 pandas库，可以利用 read_csv（）方法将数据从 csv 中读取出来，如：
import pandas as pd df=pd.read_csv('data.csv') print(df)
在做数据分析的时候，此种方法用得比较多，也是一种比较方便地读取 csv 文件的方法。
-