数据结构化与保存
Posted 勇敢の牛肉丸
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 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\') 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 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) 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) newstotal=[] for i in range(2,3): listurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/\' newstotal.extend(onepage(listurl)) df =pandas.DataFrame(newstotal) df.to_excel(\'gzccnews.xlsx\') #with aqlite3.connect(\'gzccnewsdb2.sqlite\') as db: #df.to_sql(\'gzccnewdb2\',con=db)
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