数据结构化与保存

Posted 区伯

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. 将新闻的正文内容保存到文本文件

f=open("content.text",‘a’,encoding=utf-8)
f.write(content)
f.close()

2. 将新闻数据结构化为字典的列表:

  • 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)
def gzcc_content_info(content_url):
    content_info = {}
    resp = requests.get(content_url)
    resp.encoding = utf-8
    soup = BeautifulSoup(resp.text, html.parser)
    match_str = {author: 作者:(.*)\s+[审核]?, examine: 审核:(.*)\s+[来源]?, source: 来源:(.*)\s+[摄影]?,                  photography: 摄影:(.*)\s+[点击]}
    remarks = soup.select(.show-info)[0].text
    for i in match_str:
        if re.match(.* + match_str[i], remarks):
            content_info[i] = re.search(match_str[i], remarks).group(1).split("\xa0")[0]
        else:
            content_info[i] = "  "
    time = re.search(\d{4}-\d{2}-\d{2}\s\d{2}:\d{2}:\d{2}, remarks).group()
    content_info[time] = datetime.strptime(time, %Y-%m-%d %H:%M:%S)
    content_info[title] = soup.select(.show-title)[0].text
    content_info[url] = content_url
    content_info[clicks] = gzcc_content_clicks(content_url)
    return content_info

def gzcc_list_page(page_url):
    page_news = []
    res = requests.get(page_url)
    res.encoding = utf-8
    soup = BeautifulSoup(res.text, html.parser)
    news_list = soup.select(.news-list)[0]
    news_point = news_list.select(li)
    for i in news_point:
        a = i.select(a)[0][href]
        page_news.append(gzcc_content_info(a))
    return page_news

all_news = []
url = http://news.gzcc.cn/html/xiaoyuanxinwen/
res = requests.get(url)
res.encoding = utf-8
soup = BeautifulSoup(res.text, html.parser)
n = int(soup.select(#pages)[0].select("a")[-2].text)
all_news.extend(gzcc_list_page(url))
for i in range(2, n):
    all_news.extend(gzcc_list_page(http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html.format(i)))

3. 安装pandas,用pandas.DataFrame(newstotal),创建一个DataFrame对象df.

df=pandas.DataFrame(newsTotal)

4. 通过df将提取的数据保存到csv或excel 文件。

df.to_excel(test.xlsx)

5. 用pandas提供的函数和方法进行数据分析:

  • 提取包含点击次数、标题、来源的前6行数据
print(df[[clickcount, title, source]].head(6))
  • 提取‘学校综合办’发布的,‘点击次数’超过3000的新闻。
print(df[(df[clickcount] > 3000) & (df[source] == 学校综合办)])
  • 提取‘国际学院‘和‘学生工作处‘发布的新闻。
soulist = [国际学院, 学生工作处]
print(df[df[source].isin(soulist)])

 

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?