如何使用表格做爬蟲(chóng)

很多人不知道，其實(shí)我們最常用的表格，在某些情況下也是可以用來(lái)做爬蟲(chóng)的，而且爬下來(lái)的數(shù)據(jù)規(guī)整，不需要花太多時(shí)間進(jìn)行數(shù)據(jù)清洗，來(lái)看看是怎么實(shí)現(xiàn)的。

一、Microsoft Excel

首先教大家一個(gè)用Excel爬取數(shù)據(jù)的方法，這里用的Microsoft Excel 2013版本，下面手把手開(kāi)始教學(xué)~

（1）新建Excel，打開(kāi)它，如下圖所示

（2）點(diǎn)擊“數(shù)據(jù)”——“自網(wǎng)站”

（3）在彈出的對(duì)話框中輸入目標(biāo)網(wǎng)址，這里以全國(guó)實(shí)時(shí)空氣質(zhì)量網(wǎng)站為例，點(diǎn)擊轉(zhuǎn)到，再導(dǎo)入

選擇導(dǎo)入位置，確定

（4）結(jié)果如下圖所示，怎么樣，是不是很贊？

（5）如果要實(shí)時(shí)更新數(shù)據(jù)，可以在“數(shù)據(jù)”——“全部更新”——“連接屬性”中進(jìn)行設(shè)置，輸入更新頻率即可

非誠(chéng)勿擾：正在學(xué)習(xí)python的小伙伴或者打算學(xué)習(xí)的，可以私信小編“01”領(lǐng)取資料！

二、Google Sheet

使用Google Sheet爬取數(shù)據(jù)前，要保證三點(diǎn)：使用Chrome瀏覽器、擁有Google賬號(hào)、電腦可以科學(xué)上網(wǎng)。如果這三個(gè)條件具備了的話，下面我們就開(kāi)始吧~

（1）打開(kāi)Google Sheet網(wǎng)站：http://www.google.cn/sheets/about/

（2）在首頁(yè)上點(diǎn)擊“轉(zhuǎn)到Google表格”，然后登錄自己的賬號(hào)，可以看到如下界面，再點(diǎn)擊“+”創(chuàng)建新的表格

新建的表格如下：

（3）打開(kāi)要爬取的目標(biāo)網(wǎng)站，一個(gè)全國(guó)實(shí)時(shí)空氣質(zhì)量網(wǎng)站http://www.pm25.in/rank，目標(biāo)網(wǎng)站上的表格結(jié)構(gòu)如下圖所示

（4）回到Google sheet頁(yè)面，使用函數(shù)=IMPORTHTML(網(wǎng)址, 查詢, 索引)，“網(wǎng)址”就是要爬取數(shù)據(jù)的目標(biāo)網(wǎng)站，“查詢”中輸入“l(fā)ist”或“table”，這個(gè)取決于數(shù)據(jù)的具體結(jié)構(gòu)類型，“索引”填阿拉伯?dāng)?shù)字，從1開(kāi)始，對(duì)應(yīng)著網(wǎng)站中定義的哪一份表格或列表

對(duì)于我們要爬取的網(wǎng)站，我們?cè)贕oogle sheet的A1單元格中輸入函數(shù)

=IMPORTHTML("http://www.pm25.in/rank","table",1)，回車后就爬得數(shù)據(jù)啦

（5）將爬取好的表格存到本地

是不是感覺(jué)超級(jí)簡(jiǎn)單？

當(dāng)然，沒(méi)有學(xué)習(xí)成本的技能缺陷也是很明顯的，就是在網(wǎng)頁(yè)的數(shù)據(jù)排列沒(méi)那么規(guī)則的時(shí)候，或者說(shuō)多個(gè)頁(yè)面的數(shù)據(jù)，以上的方法就失效了，這個(gè)時(shí)候Python就展現(xiàn)出它強(qiáng)大的威力了。

不過(guò)，話說(shuō)回來(lái)，這么裝逼的技能，而且不需要學(xué)習(xí)成本，掌握了有什么不好呢，沒(méi)準(zhǔn)什么時(shí)候就能用上了。

最后多說(shuō)一句，小編是一名python開(kāi)發(fā)工程師，這里有我自己整理了一套最新的python系統(tǒng)學(xué)習(xí)教程，包括從基礎(chǔ)的python腳本到web開(kāi)發(fā)、爬蟲(chóng)、數(shù)據(jù)分析、數(shù)據(jù)可視化、機(jī)器學(xué)習(xí)等。想要這些資料的可以關(guān)注小編，并在后臺(tái)私信小編：“01”即可領(lǐng)取。