python - 无法在 Excel 文件中正确写入提取的项目？

Question

我用 python 编写了一些代码来解析网页的标题和链接。最初，我尝试解析左侧栏中的链接，然后通过跟踪每个链接从每个页面中抓取上述文档。我做得很完美。我试图将不同页面中不同链接的文档保存在一个excel文件中。但是，它创建了几个“工作表”，从我的脚本的标题变量中提取所需的部分作为工作表名称。我面临的问题是——保存数据时，只有链接中每一页的最后一条记录保存在我的 Excel 工作表中，而不是完整记录。这是我试过的脚本:

import requests
from lxml import html
from pyexcel_ods3 import save_data

web_link = "http://www.wiseowl.co.uk/videos/"
main_url = "http://www.wiseowl.co.uk"

def get_links(page):

    response = requests.Session().get(page)
    tree = html.fromstring(response.text)
    data = {}
    titles = tree.xpath("//ul[@class='woMenuList']//li[@class='woMenuItem']/a/@href")
    for title in titles:
        if "author" not in title and "year" not in title:
            get_docs(data, main_url + title)

def get_docs(data, url):

    response = requests.Session().get(url)
    tree = html.fromstring(response.text)

    heading = tree.findtext('.//h1[@class="gamma"]')

    for item in tree.xpath("//p[@class='woVideoListDefaultSeriesTitle']"):
        title = item.findtext('.//a')
        link = item.xpath('.//a/@href')[0]
        # print(title, link)
        data.update({heading.split(" ")[-4]: [[(title)]]})
    save_data("mth.ods", data)

if __name__ == '__main__':
    get_links(web_link)

Answer 1

当您更新 data 字典中的值时，先前的值将被替换。

如果您替换此行，您可以解决此问题:

data.update({heading.split(" ")[-4]: [[(title)]]})

有了这个(它有点难看，但它有效):

data[heading.split(" ")[-4]] = data.get(heading.split(" ")[-4], []) + [[(title)]]