Python 如何使用字典创建CSV文件,并且仅使用变量作为键和值

Python 如何使用字典创建CSV文件,并且仅使用变量作为键和值,python,dictionary,variables,append,key,Python,Dictionary,Variables,Append,Key,我需要做一些房地产市场调查,需要了解新房子的价格和其他价值 所以我的想法是在网站上获取信息。 转到主搜索站点,抓取所有房地产ID,这些ID将直接引导我到每家每户的单个页面,在那里我可以提取我需要的信息。 现在,我得到了我想要的每栋房子的所有数据,但与print()中的原始数据一样。我想把它全部保存在一个.csv文件中,我的方法是使用字典文件。 因为我是Python新手,如果你能帮我解释一下我的错误,那就太好了 csv.xml文件最终应如下所示: IDS价格大小地区公寓式房间 1231200250

我需要做一些房地产市场调查,需要了解新房子的价格和其他价值

所以我的想法是在网站上获取信息。 转到主搜索站点,抓取所有房地产ID,这些ID将直接引导我到每家每户的单个页面,在那里我可以提取我需要的信息。 现在,我得到了我想要的每栋房子的所有数据,但与
print()
中的原始数据一样。我想把它全部保存在一个.csv文件中,我的方法是使用字典文件。 因为我是Python新手,如果你能帮我解释一下我的错误,那就太好了

csv.xml文件最终应如下所示:

IDS价格大小地区公寓式房间
1231200250好莱坞好4
253 25贝弗利山庄酒店2
952
代码:

res=requests.get('https://www.immobilienscout24.de/Suche/S-T/Wohnung-Kauf/Nordrhein-Westfalen/Duesseldorf/-/-/-/-/-/-/-/-/-/-/-/-/-/-/-/-/-/true?enteredFrom=result_list')
汤=bs(res.content,'lxml')
r=re.compile(r'resultListModel:(.*))
data=soup.find('script',text=r).text
script=r.findall(数据)[0].rstrip(',')
#结果列表模型:
results=json.loads(脚本)
ids=list(结果['searchResponseModel']['entryInformation'].keys())
data=json.dumps(id)
houseinfo={}
csvData=[['id'、'purchasePrice'、'Spacesize'、'District'、'Flattyp'、'Rooms']
def获取房屋信息(房屋):
对于id中的id:
尝试:
sourceCode=urllib.request.urlopen('https://www.immobilienscout24.de/expose/“+str(id)).read()
purchasePrice=str(源代码).split(““purchasePrice”:“)[1]。split(“,“地理代码”)[0]
Spacesize=str(源代码).split(““区域”:”)[1]。split(“}”,details“)[0]
District=str(源代码).split(“'quarter:”)[1]。split(“}”)[0]

Flattyp=str(sourceCode).split(“'is24qa-typ-grid-item-fifths”>”)[1]。split(“看起来您已经非常接近了。因为它看起来您已经有一个名为houseinfo的字典,每个id都有一个特定格式的字典,我建议您这样做

with open('foo.txt', 'w') as csvfile:
    cols = ['price', 'size', 'district', 'flattyp', 'rooms']
    dict_result = {'price': 1.0, 'size': 1, 'district': 'Hollywood', 'flattyp': 'good', 'rooms': 3}
    writer = csv.DictWriter(csvfile, fieldnames=cols)
    writer.writeheader()
    writer.writerow(dict_result)
其中dict_结果是您的
houseinfo[id]

这将生成一个

price,size,district,flattyp,rooms
1.0,1,Hollywood,good,3
然后可以使用csvreader读取

price,size,district,flattyp,rooms
1.0,1,Hollywood,good,3