数据结构化与保存
Posted 46陈远钊
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 #from datetime import datetime import re import pandas res=requests.get(\'http://news.gzcc.cn/html/xiaoyuanxinwen/\') res.encoding=\'utf-8\' soup=BeautifulSoup(res.text,\'html.parser\') def getclick(newsurl): id=re.search(\'_(.*).html\',newsurl).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[\'url\']=url news[\'title\']=soupd.select(\'.show-title\')[0].text info=soupd.select(\'.show-info\')[0].text #news[\'dt\']=datetime.strptime(info.lstrip(\'发表时间:\')[0:19],\'%Y-%m-%d %H:%M:%S\') #news[\'source\']=re.search(\'来源:(.*)点击\',info).group(1).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) newstotal=[] newstotal.extend(onepage(\'http://news.gzcc.cn/html/xiaoyuanxinwen/\')) n=int(soup.select(\'.a1\')[0].text.rstrip(\'条\')) pages=n//10+1 for i in range(2,3): listurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html\'.format(i) newstotal.extend(onepage(listurl)) #print(len(newstotal)) df=pandas.DataFrame(newstotal) print(df.head()) print(df[\'title\']) df.to_excel(\'gzccnews.xlsx\') #with sqlite3.connect(\'gzccnewsdb2.sqlite\') as db: #df.to_sql(\'gzccnewsdb2\',con=db)
从DataFrame保存到excel:
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