目录

一、写在前面：为啥突然想聊这个？

二、先聊聊 “数据存储经”

1、为啥选 CSV？

2、合规爬取是前提 

三、实战环节：用 PyCharm 复现 CSV 存储全流程 

1、准备工作：给 PyCharm “搭环境” 

2、读取 iris.csv 

3、自己写一个 CSV 文件 

4、用 pandas 玩点 “进阶操作” 

四、踩坑总结：很重要 ！

1、编码别偷懒

2、路径别瞎写

3、用 with 语句更安全

五、最后：从 “看懂” 到 “会写”，只差一步动手 

---

一、写在前面：为啥突然想聊这个？

    刚开始学爬虫的时候，要知道“数据爬下来不算完，存得明白才叫真本事”。当时看着CSV 表格截图，总觉得 “不就是存个表格吗，有啥难的”。直到自己上手用 PyCharm 敲代码，才发现从理论到实操，中间藏着不少 “小坑”—— 比如文件路径总写错、中文存进去变成乱码、不知道怎么对齐表格字段…… 折腾了两天总算摸透了门道，今天就借着这篇博客，跟大家聊聊我是怎么把 PPT 里的知识点变成实实在在的 CSV 文件的。

二、先聊聊 “数据存储经”

1、为啥选 CSV？

    对比了 TXT、CSV、Excel 几种格式，说 CSV 是 “爬虫新手友好型”—— 结构简单（就是逗号分隔的表格）、体积小、几乎所有工具都能打开（txt、Excel、Python 库都认它）。不像 TXT 找数据得翻半天，也不像 Excel 需要额外装库，对我们这种刚入门的人来说，简直是 “懒人福音”。

2、合规爬取是前提 

    虽然这次重点是存数据，但  “爬虫不能瞎爬”。Robots 协议、User-Agent 限制这些，老师反复强调 “先看规矩再动手”。比如爬学校官网的新闻前，我特意去查了robots.txt，确认允许爬取才开始，这点新手一定要记牢！ 

三、实战环节：用 PyCharm 复现 CSV 存储全流程 

1、准备工作：给 PyCharm “搭环境” 

    我用的是 PyCharm Community 版（免费够用），第一步当然是装库。PPT 里提到csv库是 Python 自带的，但如果要用pandas处理更复杂的表格，就得自己装：

    在 PyCharm 的 Terminal 里敲命令：

pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

（加镜像源是之前文章有的，下载速度能快一倍，实测有效！）

2、读取 iris.csv 

      iris.csv里存了鸢尾花的数据集，我的目标是用代码把它读出来，看看里面到底有啥。

      csv.reader()示例写代码，刚开始踩了个坑：文件路径总报错。原来我把iris.csv随便存在了桌面，代码里写./iris.csv根本找不到。后来把文件挪到 PyCharm 的项目文件夹里，用相对路径才搞定。

      代码长这样：

import csv

# 用with语句打开文件，自动处理关闭，比直接open()安全
with open('./iris.csv', 'r', encoding='utf-8') as csvfile:
    # 创建reader对象，按行读取
    reader = csv.reader(csvfile)
    # 循环打印每一行数据
    for i, row in enumerate(reader):
        # 只打印前5行，避免输出太多刷屏
        if i < 5:
            print(row)

      运行结果和 PPT 里的示例对上了：第一行是表头['Sepal.Length', 'Sepal.Width', ...]，后面跟着具体数据，那一刻居然有点小成就感～ 

3、自己写一个 CSV 文件 

      光读还不够，得试试写数据。用csv.writer()写列表，用csv.DictWriter()写字典（支持中文更方便）。 我先试了写列表（存了几个同学的信息）：

import csv

# 打开文件时加newline=''，避免空行问题（PPT里没说，但实测不加会多空行）
with open('classmates.csv', 'w', encoding='utf-8', newline='') as csvfile:
    writer = csv.writer(csvfile)
    # 先写表头
    writer.writerow(['学号', '姓名', '性别'])
    # 再写数据行
    writer.writerow(['2023001', '张三', '男'])
    writer.writerow(['2023002', '李四', '女'])

      打开生成的classmates.csv，用 Excel 打开是整整齐齐的表格，比手动输入快多了！

      后来又试了字典写法（支持中文更稳妥），把代码里的writer换成DictWriter，指定fieldnames当表头，写的时候直接传字典，连字段顺序都不用操心，这点比列表方便太多。

4、用 pandas 玩点 “进阶操作” 

      pandas能一键转 CSV/Excel，我抱着试试的心态试了下。同样是存同学信息，用pandas一行代码就搞定存储，还自动加了索引： 

import pandas as pd

# 先准备一个字典，键是表头，值是列表
data = {
    '学号': ['2023003', '2023004'],
    '姓名': ['王五', '赵六'],
    '专业': ['计算机', '软件工程']
}
# 转成DataFrame（pandas的核心数据结构，像个表格）
df = pd.DataFrame(data)
# 存成CSV，index=False去掉自动生成的索引列
df.to_csv('major.csv', index=False, encoding='utf-8')

      打开major.csv一看，比用csv库写的更整洁，难怪老师说处理大量数据时pandas是 “神器”。 

四、踩坑总结：很重要 ！

1、编码别偷懒

      刚开始写中文名字时，存进去总是乱码。后来才发现 写了encoding='utf-8'，但自己嫌麻烦没加，加上之后立马正常了 —— 中文数据一定要指定编码！ 

2、路径别瞎写

      相对路径（./文件名）只在文件和代码同文件夹时管用，不然就得写绝对路径（比如D:/project/iris.csv），但 PyCharm 里用相对路径更方便管理。 

3、用 with 语句更安全

      一开始直接open()文件，写完忘了close()，结果文件被占用删不掉。换成with open(...) as f:后，再也没出过这问题，这是 强调的 “好习惯”。 

五、最后：从 “看懂” 到 “会写”，只差一步动手 

      以前看 PPT 总觉得 “这有啥难的”，真自己敲代码才发现，很多细节只有实操才会注意到。比如csv.writer()和csv.DictWriter()的区别，pandas的to_csv()怎么去掉多余的索引 —— 这些都得自己试一遍才记得牢。

接下来打算试试老师布置的作业：爬学校新闻存成 CSV，争取用pandas优化一下格式。如果大家也在学爬虫数据存储，不妨从 CSV 开始练手，真的不难，动手敲代码比光看 PPT 有用多啦～     

---

 （偷偷说：PyCharm 的自动补全功能救了我，输csv.wri会显示writer()，新手一定要善用！）