将 Python 爬虫爬取的数据保存为 `.xlsx` 格式可以使用多种库来实现，常见的有 `openpyxl`、`pandas` 和 `xlsxwriter`。以下是一个完整的示例，展示如何从网页中提取数据并将其保存到 Excel 文件中。 ### 1. 导入所需库 ```python import requests from lxml import etree import openpyxl ``` - `requests`：用于发送 HTTP 请求获取网页内容。 - `lxml.etree`：用于解析 HTML 文档。 - `openpyxl`：用于创建和操作 Excel (.xlsx) 文件。 ### 2. 获取网页内容并解析数据 ```python url = 'https://example.com' # 替换为你需要爬取的网页地址 response = requests.get(url) html_content = response.text tree = etree.HTML(html_content) # 假设我们爬取的是网页中的所有链接（<a>标签） links = tree.xpath('//a/@href') # 提取所有超链接 texts = tree.xpath('//a/text()') # 提取所有链接文本 ``` - 使用 `xpath` 方法提取页面上的数据，例如链接或文本信息。 ### 3. 创建 Excel 工作簿并写入数据 ```python wb = openpyxl.Workbook() ws = wb.active ws.title = "爬取的数据" # 添加表头 ws.append(['链接文本', '链接地址']) # 将爬取的数据写入 Excel for text, link in zip(texts, links): ws.append([text, link]) # 保存 Excel 文件 wb.save('scraped_data.xlsx') ``` - 使用 `openpyxl.Workbook()` 创建一个新的 Excel 文件。 - 使用 `append()` 方法逐行写入数据。 - 最后通过 `save()` 方法保存文件为 `scraped_data.xlsx`。 --- ### 4. 使用 `pandas` 简化操作（可选） 如果你希望更高效地处理数据，可以使用 `pandas` 库： ```python import pandas as pd # 将数据整理成 DataFrame data = { '链接文本': texts, '链接地址': links } df = pd.DataFrame(data) # 保存为 Excel 文件 df.to_excel('scraped_data_pandas.xlsx', index=False) ``` - `pandas` 提供了 `to_excel()` 方法，可以快速将数据保存为 `.xlsx` 格式。 --- ### 注意事项 - 在实际项目中，确保遵守目标网站的 `robots.txt` 规则以及相关法律法规。 - 如果网站启用了反爬机制（如字体反爬），需要采取额外措施（如模拟浏览器请求）[^4]。 - 数据清洗是关键步骤，尤其在面对不规则网页结构时，需进行空值判断和异常处理[^3]。 ---