爬取彩票中奖信息

（1） http://www.zhcw.com/ssq/kaijiangshuju/index.shtml?type=0，打开此网址，并通过浏览器中“检查”选项发现此网页数据来源规律；

（2）发现他的这些信息都存在标签<tr>中

（3）代码展示：

爬取 1-5 页的中所有中奖的<开奖时间>、<期号>、<中奖号 码>、<销售额>、 <一等奖>、 <二等奖>信息存储至 CSV 文件。

 #将信息爬取出来并存在列表中
form = []
for i in range(1,5):
    url1 = "http://kaijiang.zhcw.com/zhcw/html/ssq/list_%s.html" %(i)
    html1 = requests.get(url1).text
    soup = BeautifulSoup(html1, ‘html.parser‘)
    tag = soup.find_all(‘tr‘)
    # print(tag)
    for a in tag[2:len(tag) - 1]:
        temp = []
        for b in a.contents[0:12]:
            if (b != ‘\n‘):
                temp += [b.text.strip().replace(‘\r\n‘, ‘‘).replace(‘ ‘, ‘‘).replace(‘\n‘, ‘ ‘)]
        form.append(temp)

存到csv中：

with open(‘双色球中奖信息.csv‘,‘w‘,newline=‘‘,encoding=‘utf-8‘) as f:
    writer = csv.writer(f)
    writer.writerow([‘开奖日期‘, ‘期号‘, ‘中奖号码‘, ‘销售额(元)‘, ‘一等奖‘, ‘二等奖‘])
    for a in form:
        print(a)
        writer.writerow(a)

运行结果：

总结：

推荐使用lxml解析库，必要时使用html.parser
标签选择筛选功能弱但是速度快
建议使用find()、find_all() 查询匹配单个结果或者多个结果
如果对CSS选择器熟悉建议使用select()
记住常用的获取属性和文本值的方法

原文地址：https://www.cnblogs.com/wt714/p/12003239.html