数据结构化与保存

1. 将新闻的正文内容保存到文本文件。

def writeNewsDetail(content):
    f = open('gzccNews.txt', 'a',encoding='utf-8')
    f.write(content)
    f.close()

2. 将新闻数据结构化为字典的列表:

• 单条新闻的详情-->字典news

• news ={}

• 一个列表页所有单条新闻汇总-->列表newsls.append(news)

• newsList.append(getNewsDetail(newsUrl))

• 所有列表页的所有新闻汇总列表newstotal.extend(newsls)

• newsTotal.extend(getListPage(firstPageUrl))

3. 安装pandas，用pandas.DataFrame(newstotal)，创建一个DataFrame对象df.

　　

df = pandas.DataFrame(newsTotal)

4. 通过df将提取的数据保存到csv或excel 文件。

　　

df.to_excel("gzcc01.xlsx")

5. 用pandas提供的函数和方法进行数据分析：

• 提取包含点击次数、标题、来源的前6行数据

• print(df[['click','title','source']][0:6])

• 提取‘学校综合办’发布的，‘点击次数’超过3000的新闻。

• print(df[df['click']>3000])

• 提取'国际学院'和'学生工作处'发布的新闻。

• dtSource = ['学生工作处','国际学院']
  print(df[df['source'].isin(dtSource)])