Tengo un codigo para que me realice un raspado a una pagina de sismos y luego me guarde los datos de los ultimos sismos ocurridos en un csv.
Si hago nuevamente el raspado y no hay datos nuevos estos se duplican, como logro hacer para que cuando realice el nuevo raspado no guarde los datos que ya estan en el csv?
import urllib.request
from bs4 import BeautifulSoup
import csv
e = urllib.request.urlopen("http://www.sismologia.cl/ultimos_sismos.html").read()
soup = BeautifulSoup(e, 'html.parser')
# Ejemplo de como imprimir todo
# print soup.prettify()
# Obtenemos la tabla
tabla_sismos = soup.find_all('table')[0]
# Obtenemos todas las filas
rows = tabla_sismos.find_all("tr")
output_rows = []
for row in rows:
# obtenemos todas las columns
cells = row.find_all("td")
output_row = []
if len(cells) > 0:
for cell in cells:
output_row.append(cell.text)
output_rows.append(output_row)
with open('Sismos.csv', 'a', newline="") as csvfile:
writer = csv.writer(csvfile, delimiter=";")
writer.writerows(output_rows)