数据结构化与保存

Posted 悦动

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。

def save(content):
    f = open("content.txt", "a")
    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)
#获取新闻详情
def getNewDetail(newsUrl):
    url = newsUrl
    res2 = requests.get(url)
    res2.encoding = utf-8
    soup2 = BeautifulSoup(res2.text, html.parser)
    info = soup2.select(.show-info)[0].text
    info = info.lstrip(发布时间:).rstrip(点击:次)
    list={}
    time = info[:info.find(作者)].rstrip()  # 发布时间
    list[time]=time
    author = info[info.find(作者:) + 3:info.find(审核)].rstrip()  # 作者
    list[author] = author
    check = info[info.find(审核:) + 3:info.find(来源)].rstrip()  # 审核
    list[check] = check
    source = info[info.find("来源:") + 3:info.find(摄影)].rstrip()  # 来源
    list[source] = source
    clicknum = click(url)
    list[onclick] = clicknum
    list[detail] =  soup2.select(.show-content)[0].text.strip()
    storefile(soup2.select(.show-content)[0].text.strip())
    if (info.find("摄影:") > 0):
        photogra = info[info.find("摄影:") +3:].split() [0].lstrip()   # 摄影
        list[photogra] = photogra
    else:
        list[photogra] ="none"
    if (info.find("来源:") > 0):
        source = info[info.find("来源:") +3:].split() [0].lstrip() # 来源
        list[source] = source
    else:
        list[source] = "none"
    return (list)
newstotal = []
pageUrl = http://news.gzcc.cn/html/xiaoyuanxinwen/
newstotal.extend(getListPage(pageUrl))
def getListPage(url):
  res = requests.get(url) 
  res.encoding = utf-8
  soup = BeautifulSoup(res.text, html.parser)
  newList = []
  for news in soup.select("li"):
    if (len(news.select(.news-list-info)) > 0):
        newsUrl = news.select(a)[0].attrs[href]
        newDetal = getNewDetail(newsUrl)
        newList.append(newDetal)
  return newList

 

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

df = pandas.DataFrame(newsTotal)
print(df)

 

4. 通过df将提取的数据保存到csv或excel 文件。

import openpyxl
df.to_excel(gzccnews.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
  • 提取‘学校综合办’发布的,‘点击次数’超过3000的新闻。
  • 提取‘国际学院‘和‘学生工作处‘发布的新闻。
  • 进取2018年3月的新闻
print(df[[title,clickCount,source]][:6])
print(df[(df[clickCount]>3000)&(df[source]==学校综合办)])
sou = [国际学院,学生工作处]
print(df[df[source].isin(sou)])
dftime = df.set_index(time)
print(dftime[2018-03])

 

6. 保存到sqlite3数据库

import sqlite3
with sqlite3.connect(‘gzccnewsdb.sqlite‘) as db:
df3.to_sql(‘gzccnews05‘,con = db, if_exists=‘replace‘)

7. 从sqlite3读数据

with sqlite3.connect(‘gzccnewsdb.sqlite‘) as db:
df2 = pandas.read_sql_query(‘SELECT * FROM gzccnews05‘,con=db)
print(df2)

import sqlite3

with sqlite3.connect("gzccdb.sqlite") as db:
    df1.to_sql(gzccdb01,con=db,if_exists=replace)

with sqlite3.connect("gzccdb.sqlite") as db:
    df2 = pandas.read_sql_query("select *from gzccdb01",con=db)
print("df2: \n",df2)

 

 

 

8. df保存到mysql数据库

安装SQLALchemy
安装PyMySQL
MySQL里创建数据库:create database gzccnews charset utf8;

import pymysql
from sqlalchemy import create_engine
conn = create_engine(‘mysql+pymysql://root:[email protected]:3306/gzccnews?charset=utf8‘)
pandas.io.sql.to_sql(df, ‘gzccnews‘, con=conn, if_exists=‘replace‘)

MySQL里查看已保存了数据。(通过MySQL Client或Navicate。)

 

import pymysql
from sqlalchemy import create_engine
coon = create_engine(mysql+pymysql://root:[email protected]:3306/gzccnews?charset=utf8)
pandas.io.sql.to_sql(df3,"gzccnews",con=coon,if_exists=replace)

 

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?