数据结构化与保存
Posted sister姐姐
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
import re
from bs4 import BeautifulSoup
from datetime import datetime
import pandas
def getclick(url):
id=re.search(\'_(.*).html\',url).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(url):
resd=requests.get(url)
resd.encoding=\'utf-8\'
soupd=BeautifulSoup(resd.text,\'html.parser\')
news={}
news[\'title\']=soupd.select(\'.show-title\')[0].text
news[\'url\']=url
info=soupd.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\']=soupd.select(\'.show-content\')[0].text.strip()
news[\'click\']=getclick(url)
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)
ns=[]
gzccurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/\'
ns.extend(onepage(gzccurl))
res=requests.get(gzccurl)
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(2,3):
listurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html\'.format(i)
ns.extend(onepage(listurl))
df=pandas.DataFrame(ns)
print(df.head())
df.to_excel(\'gzccnews.xlsx\')
运行结果:
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