將取得的資料儲存成檔案

從HTML網頁擷取出需要的資料後，可以將整理好的資料儲存成檔案。常用的檔案格式有兩種，分別為CSV和JSON檔。

• CSV檔案:
  其檔案內容是使用純文字來表示表格資料，是一種文字檔案。表示法為每一行是表格的一列，每一欄位用”，”逗號來分隔。
  範例.

  Math | English | Science
  ------------- | -------------
  90 | 75 | 80
  35 | 85 | 60

  CSV格式:  Math, English, Science
        90, 75, 80
        35, 85, 60
   

• JSON檔案:
  是一種類似XML的資料交換格式，只有文字內容。其表示法為大括號定義成對的鍵和值，使用” : ”分號分隔，資料間使用”，”逗號分隔，定義物件使用” { } ”大括號，定義正列使用” [ ] ”方括號表示。
  範例.
  {
   “teacher” : “林老師”,
   “students”: [
    { “name” : ”陳方方”, “student_id” : “409123456” },
    { “name” : ”許正正”, “student_id” : “409134567” },
    { “name” : ”蔡圓圓”, “student_id” : “409145678” },
   ]
  }

實作練習

從W3Shool網站取出表格資料寫入CSV檔案

import requests
from bs4 import BeautifulSoup
import csv

url = "https://www.w3schools.com/tags/ref_standardattributes.asp"
csvfile = "HtmlAttribute.csv"
r = requests.get(url)
r.encoding = "utf8"
soup = BeautifulSoup(r.text, "lxml")
tag_table = soup.find(class_="ws-table-all notranslate")  # 找到<table>
rows = tag_table.findAll("tr")   # 找出所有<tr>
# 開啟CSV檔案寫入截取的資料
with open(csvfile, 'w+', newline='', encoding="utf-8") as fp:
    writer = csv.writer(fp)
    for row in rows:
        rowList = []
        for cell in row.findAll(["td", "th"]):
            rowList.append(cell.get_text().replace("\n", "").replace("\r", ""))
        writer.writerow(rowList)