zoukankan      html  css  js  c++  java
  • 数据结构化与保存

    1.结构化:

    • 单条新闻的详情字典:news
    • 一个列表页所有单条新闻汇总列表:newsls.append(news)
    • 所有列表页的所有新闻汇总列表:newstotal.extend(newsls)

    2.转换成pandas的数据结构DataFrame

    3.从DataFrame保存到excel

    4.从DataFrame保存到sqlite3数据库

    import requests
    import re
    import pandas
    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')
    
    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
    
    
    def getdetail(listurl):
        res = requests.get(listurl)
        res.encoding = 'utf-8'
        soup = BeautifulSoup(res.text, 'html.parser')
        news={}
        news['url']=url
        news['title']=soup.select('.show-title')[0].text
        info = soup.select('.show-info')[0].text
        #news['dt']=datetime.strptime(info.lstrip('发布时间')[0:19],'%Y-%m-%d %H:%M:')
        #news['source']=re.search('来源:(.*)点击',info).group(1).strip()
        news['content']=soup.select('.show-content')[0].text.strip()
        news['click']=getclick(listurl)
        return (news)
    
    def onepage(pageurl):
        res = requests.get(pageurl)
        res.encoding = 'utf-8'
        soup = BeautifulSoup(res.text, 'html.parser')
        newsls=[]
        for news in soup.select('li'):
            if len(news.select('.news-list-title')) > 0:
                newsls.append(getdetail(news.select('a')[0]['href']))
        return(newsls)
    newstotal=[]
    for i in range(2,3):
        listurl='http://news.gzcc.cn/html/xiaoyuanxinwen/'
        newstotal.extend(onepage(listurl))
    df =pandas.DataFrame(newstotal)
    df.to_excel('gzccnews.xlsx')
    #with aqlite3.connect('gzccnewsdb2.sqlite') as db:
    #df.to_sql('gzccnewdb2',con=db)

    结果:

  • 相关阅读:
    Orcle 导入数据eurusd.ctl
    Maven系列2pom.xml 配置详解
    UML关联&泛化的区别
    maven 创建工程
    maven 打包
    jprofiler安装和配置
    设计模式出现之前的几大原则
    检查启动情况linux
    领域模型
    解压命令tar
  • 原文地址:https://www.cnblogs.com/huanglinxin/p/7691413.html
Copyright © 2011-2022 走看看