1、某汽车网站地址

2、使用firefox查看后发现，此网站的信息未使用json数据，而是简单那的html页面而已

3、使用pyquery库中的PyQuery进行html的解析

页面样式：

复制代码 代码如下:

def get_dealer_info(self):

"""获取经销商信息"""

css_select = 'html body div.box div.news_wrapper div.main div.news_list div.service_main div table tr '

#使用火狐浏览器中的自动复制css路径得到需要位置数据

page = urllib2.urlopen(self.entry_url).read()

#读取页面

page = page.replace('<br />','&')

page = page.replace('<br/>','&')

#由于页面中的电话信息中使用了br换行，所以在抓取的时候会产生问题

#问题是：如果取得一对标签中的数据，中包含<br/>,会出现值得到br之前的数据，而后的数据将得不到，原因个人认为是解析html是会任务/>结尾标准

d = pq(page)

#使用PyQuery解析页面，此处pq=PyQuery,因为from pyquery import PyQuery as pq

dealer_list = []

#创建列表用于提交到存储方法

for dealer_div in d(css_select):

#此处定位tr，具体数据在此标签中的td标签内

p = dealer_div.findall('td')

#此处p就是一个tr标签内，全部td数据的集合

dealer = {}

#此处的字典用于存储一个店铺的信息用于提交到列表中

if len(p)==1:

#此处多哥if判断是用于对数据进行处理，因为一些格式不符合最终数据的要求，需要剔除，这个快的代码按需求而定

print '@'

elif len(p)==6 :

strp = p[0].text.strip()

dealer[Constant.CITY] = p[1].text.strip()

strc = p[2].text.strip()

dealer[Constant.PROVINCE] = p[0].text.strip()

dealer[Constant.CITY] = p[1].text.strip()

dealer[Constant.NAME] = p[2].text.strip()

dealer[Constant.ADDRESSTYPE] = p[3].text.strip()

dealer[Constant.ADDRESS] = p[4].text.strip()

dealer[Constant.TELPHONE] = p[5].text.strip()

dealer_list.append(dealer)

elif len(p)==5:

if p[0].text.strip() != u'省份':

dealer[Constant.PROVINCE] = strp

dealer[Constant.CITY] = p[0].text.strip()

dealer[Constant.NAME] = p[1].text.strip()

dealer[Constant.ADDRESSTYPE] = p[2].text.strip()

dealer[Constant.ADDRESS] = p[3].text.strip()

dealer[Constant.TELPHONE] = p[4].text.strip()

dealer_list.append(dealer)

elif len(p)==3:

print '@@'

print '@@@'

self.saver.add(dealer_list)

self.saver.commit()

4、最终代码执行成功，得到了相应数据并存入excel中