数据结构化与保存

Posted 12-张振勋

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据结构化与保存相关的知识,希望对你有一定的参考价值。

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
from bs4 import BeautifulSoup
import re
from  datetime  import  *
import pandas

def gethits(url_1):
    li_id =re.search(\'_.*/(.*).html\',url_1).groups(0)[0]
    hits = requests.get(\'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80\'.format(li_id)).text.split(\'.\')[-1].rstrip(\'\'\'\');\'\'\').lstrip(\'\'\'\'html(\'\'\')
    return hits

def getdetail(url):
    res = requests.get(url)
    res.encoding = \'utf-8\'
    
    soup = BeautifulSoup(res.text,\'html.parser\')
 
    news = {}
    news[\'url\'] = url
    if(soup.select(\'.show-title\')):
        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:%S\')
        news[\'source\'] = re.search(\'来源:(.*)点击\',info).group(1).strip()
        news[\'content\'] = soup.select(\'.show-content\')[0].text.strip()
        news[\'hits\'] = gethits(url)
    else:
        pass
    return news

def onepage(url_page):
    res = requests.get(url_page)
    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

url_main="http://news.gzcc.cn/html/xiaoyuanxinwen/"
res = requests.get(url_main)
res.encoding = \'utf-8\'
soup = BeautifulSoup(res.text,\'html.parser\')

newstotal = []
newstotal.extend(onepage(url_main))

pages = int(soup.select(\'.a1\')[0].text.rstrip(\'\'))//10+1

for i in range(2,pages+1):
    url_page = "http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html".format(i)
    
    newstotal.extend(onepage(url_page))

df = pandas.DataFrame(newstotal)
print(df.head())
df.to_excel(\'news.xlsx\')

 

 

 

 

以上是关于数据结构化与保存的主要内容,如果未能解决你的问题,请参考以下文章

VSCode自定义代码片段5——HTML元素结构

从单个按钮从多个片段中提取数据

当我从用户获取数据并将其保存到 SQLite 数据库中时,我应该怎么做才能使列表视图在片段中工作

使用 savedInstanceState 保存片段状态

检索数据未出现在 ListView 的片段中

如果我想从另一个片段中添加书签,为啥我的书签单词没有保存到 sqlite 数据库?