爬蟲資料不想只有 Print？用 Pandas 一秒轉成 Excel 報表

各位好！ 在上一篇中我們成功用Playwright把資料撈出來並輸出在黑底白字的終端機上，但說實話，這種資料給老闆看，老闆會生氣的。這篇我們來加入 Python 資料分析的神器 Pandas，把這些雜亂的文字變成專業的 Excel 報表。 這次我們將重點放在「資料整理」的邏輯上：如何把一整串的字串，切分成乾淨的資料列。

當時我們的成果是印在終端機裡的一串文字：

2330    台積電  409610933       61.31
2317    鴻海    204784820       4.59

雖然看起來很厲害，但這種純文字資料在職場上是無法使用的。今天我們要進行爬蟲的最後一哩路：ETL (Extract, Transform, Load) 中的 Transform (轉換) 與 Load (存檔)。

目標：把那串文字，自動存成一份 0050_成分股.xlsx。

準備工具

除了 Playwright，我們需要安裝處理資料與 Excel 的套件：

pip install pandas openpyxl

Pandas: Python 資料處理的霸主，把它想像成「程式碼版的 Excel」。 Openpyxl: 讓 Pandas 能夠讀寫 Excel (.xlsx) 檔案的引擎。

程式碼解析：從文字到表格 我們原本抓到的資料 titles 其實是一個包含「換行符號 (\n)」與「空白鍵」的超長字串。

我們需要做三步驟的清洗：

Split Lines: 用換行符號把長字串切成一行一行。 Filter: 過濾掉標題（商品代碼...）和結尾（收合...），只保留真正以數字開頭的股票資料。 Split Columns: 把每一行用空白鍵切開，變成 [代碼, 名稱, 數量, 權重]。

這是整合了 Playwright 爬蟲與 Pandas 存檔的版本：

import re
import pandas as pd
from playwright.sync_api import Playwright, sync_playwright

def run(playwright: Playwright) -> None:
    browser = playwright.chromium.launch(headless=True) # 改成 True 讓它在背景執行
    context = browser.new_context()
    page = context.new_page()

    print("前往元大官網")
    page.goto("https://www.yuantaetfs.com/product/detail/0050/ratio")

    page.get_by_role("button", name="確定").click()

    page.get_by_text("展開").click()

    # 注意：這裡我們取 all_inner_texts 的第一個元素，這通常是整個表格的字串
    raw_text = page.locator("div:nth-child(3) > .each_table").all_inner_texts()[0]

    context.close()
    browser.close()
    print("資料抓取完成")

    data_list = []

    lines = raw_text.strip().split('\n')

    for line in lines:
        # 2. 把每一行用 "空白" 切割成欄位
        # 例如: "2330 台積電 409610933 61.31" -> ['2330', '台積電', '409610933', '61.31']
        parts = line.split()

        # 3. 過濾邏輯：我們只要有 4 個欄位，且第一個欄位(代碼)是數字的行
        # 這樣可以自動濾掉 "商品代碼" 標題列 和 "收合" 這種雜訊
        if len(parts) == 4 and parts[0].isdigit():
            data_list.append(parts)

    columns = ["商品代碼", "商品名稱", "商品數量", "商品權重(%)"]
    df = pd.DataFrame(data_list, columns=columns)

    df["商品權重(%)"] = pd.to_numeric(df["商品權重(%)"])

    # 預覽一下
    print("\n=== 前 5 筆資料預覽 ===")
    print(df.head())

    # 存成 Excel
    filename = "0050_成分股.xlsx"
    df.to_excel(filename, index=False)
    print(f"\n成功！檔案已儲存為: {filename}")

# 執行
with sync_playwright() as playwright:
    run(playwright)

執行成果 當你執行這段程式碼後，終端機不再只是印出一堆字，而是告訴你檔案存好了：

前往元大官網
資料抓取完成

=== 前 5 筆資料預覽 ===
   商品代碼 商品名稱       商品數量  商品權重(%)
0  2330  台積電  409610933    61.31
1  2317   鴻海  204784820     4.59
2  2454  聯發科   24688844     3.41
3  2308  台達電   32424502     3.10
4  2891  中信金  296630032     1.49

成功！檔案已儲存為: 0050_成分股.xlsx

接著打開你的資料夾，你會看到一個熱騰騰的 Excel 檔，打開來就是排版完美的表格！

好方法推薦 isdigit() 是好朋友：在爬取表格資料時，最怕抓到「標題」或「頁尾註釋」。用 parts[0].isdigit() (判斷是否為數字) 是一個非常簡單又暴力的過濾方法，這招在抓股票代碼時特別好用。

headless=True：程式碼中我把 headless 改成了 True。這樣 Playwright 就會在背景執行，不會跳出瀏覽器視窗干擾你工作，這才是自動化該有的樣子。

學會這招，以後不管網頁上的資料多亂，只要能「看得到」，你就一定能把它變成 Excel「存起來」！

下一篇，我們挑戰更懶人的做法，把整理完的資訊通過discord bot發送給自己!