数据结构化与保存
Posted
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
安装包
import requests import re import pandas from bs4 import BeautifulSoup from datetime import datetime def getTheUserClick(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 getTheContent(url001): res = requests.get(url001) 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[‘content‘]=soup.select(‘.show-content‘)[0].text.strip() news[‘click‘]=getTheUserClick(url001) return (news) def getOnePage(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(getTheContent(news.select(‘a‘)[0][‘href‘])) return(newsls) newstotal=[] url = ‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘ res = requests.get(url) res.encoding = ‘utf-8‘ soup = BeautifulSoup(res.text, ‘html.parser‘) pages = int(soup.select(‘.a1‘)[0].text.rstrip(‘条‘))//10+1 for i in range(2,pages+1): url001=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘ newstotal.extend(getOnePage(url001)) df =pandas.DataFrame(newstotal) df.to_excel(‘gzccnews.xlsx‘) #df.to_docx(‘gzccnews.docx‘)
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