zoukankan      html  css  js  c++  java
  • 一个完整的大作业

    1.选一个自己感兴趣的主题。网址为http://news.gzcc.cn/html/xiaoyuanxinwen/

    2.网络上爬取相关的数据

     复制代码

    import requests
    import re
    from bs4 import BeautifulSoup
    url='http://news.gzcc.cn/html/xiaoyuanxinwen/'
    res=requests.get(url)
    res.encoding='utf-8'
    soup=BeautifulSoup(res.text,'html.parser')
    
    #获取点击次数
    def getclick(newurl):
        id=re.search('_(.*).html',newurl).group(1).split('/')[1]
        clickurl='http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)
        click=int(requests.get(clickurl).text.split(".")[-1].lstrip("html('").rstrip("');"))
        return click
    
    #获取内容
    def getonpages(listurl):
        res=requests.get(listurl)
        res.encoding='utf-8'
        soup=BeautifulSoup(res.text,'html.parser')
        
        for news in soup.select('li'):
            if len(news.select('.news-list-title'))>0:
                title=news.select('.news-list-title')[0].text #标题
                time=news.select('.news-list-info')[0].contents[0].text#时间
                url1=news.select('a')[0]['href'] #url
                bumen=news.select('.news-list-info')[0].contents[1].text#部门
                description=news.select('.news-list-description')[0].text #描述
    
                resd=requests.get(url1)
                resd.encoding='utf-8'
                soupd=BeautifulSoup(resd.text,'html.parser')
                detail=soupd.select('.show-content')[0].text
    
                click=getclick(url1) #调用点击次数
                print(title,click)
    
    
    count=int(soup.select('.a1')[0].text.rstrip("条"))
    pages=count//10+1
    for i in range(2,4):
        pagesurl="http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html".format(i)
        getonpages(pagesurl)

      复制代码

     

    3.进行文本分析,生成词云。

    复制代码

    #coding:utf-8
    import jieba
    from wordcloud import WordCloud
    import matplotlib.pyplot as plt
     
    text =open("D:\cc.txt",'r',encoding='utf-8').read()
    print(text)
    wordlist = jieba.cut(text,cut_all=True)
    wl_split = "/".join(wordlist)
     
    mywc = WordCloud().generate(text)
    plt.imshow(mywc)
    plt.axis("off")
    plt.show()
    复制代码

    4.结论,当前时间段主要新闻内容以新生入学和十九大的召开为主。

  • 相关阅读:
    Javaweb初试——选课系统
    Java四则运算第二次课堂完整版
    Java动手动脑03
    阅读笔记
    Java四则运算课堂测试三
    读书笔记
    Java日报10.14
    Java日报10.13
    Java动手动脑04
    2020.9.22测试
  • 原文地址:https://www.cnblogs.com/dachui/p/7766811.html
Copyright © 2011-2022 走看看