• 数据结构化与保存


    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')
    
    
    # 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
    
    
    # 给定单挑新闻链接,返回新闻细节的字典
    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)
    #print(getonpages('http://news.gzcc.cn/html/2017/xiaoyuanxinwen_1017/8338.html'))
    
    #给定新闻列表页的链接,返回所有新闻细节字典
    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)
    #print(onepage('http://news.gzcc.cn/html/xiaoyuanxinwen/'))
    newstotal=[]
    for i in range(2,3):
        listurl='http://news.gzcc.cn/html/xiaoyuanxinwen/'
        newstotal.extend(onepage(listurl))
    #print(len(newstotal))
    df =pandas.DataFrame(newstotal)
    #print(df.head())
    #print(df['title'])
    df.to_excel('gzccnews.xlsx')
    #with aqlite3.connect('gzccnewsdb2.sqlite') as db:
    #df.to_sql('gzccnewdb2',con=db)
    
    
       

  • 相关阅读:
    教育后台管理系统:Postman
    教育后台管理系统:查询课程列表信息
    教育后台管理系统:JSON
    教育后台管理系统:后台系统搭建
    教育后台管理系统:Maven的常用命令 & 依赖范围
    教育后台管理系统:Maven 项目管理工具
    教育后台管理系统:项目架构
    Vocabulary:annexation
    Java Web(二)- 学习笔记
    Listener监听器 -案例
  • 原文地址:https://www.cnblogs.com/garxiu/p/7685221.html
Copyright © 2020-2023  润新知