資料結構化與儲存

2022-06-01 17:42:06 字數 3105 閱讀 9549

1. 將新聞的正文內容儲存到文字檔案。

newscontent=soup.select('


.show-content


')[0


].text


f=open('


news.txt


','w')


f.write(newscontent)


f=open('


news.txt


','r')


print(f.read())

3. 安裝pandas，用pandas.dataframe(newstotal)，建立乙個dataframe物件df.

import


pandas


df=pandas.dataframe(newstotal)

4. 通過df將提取的資料儲存到csv或excel 檔案。

df.to_excel('


gzccnews.xlsx


')

2. 將新聞資料結構化為字典的列表:

5. 用pandas提供的函式和方法進行資料分析：

from datetime import


datetime


newsurl= '


'req = requests.get(newsurl) #


返回response物件


req.encoding= '


utf-8


'from bs4 import


beautifulsoup


soup = beautifulsoup(req.text, '


html.parser')


defgetclickcount(newsurl):


newid=re.search('


\_(.*).html


',newsurl).group(1).split('


/')[1]


clickurl='


'.format(newid)


return(int(requests.get(clickurl).text.split('


.html


')[-1].lstrip("


('").rstrip("


');"


)))def


writenewsdetail(content):


f=open('


gzccnews.txt


','a


',encoding='


utf-8')


f.write(content)


f.close()


defgetnewsdetail(newsurl):


resd=requests.get(newsurl)


resd.encoding='


utf-8


'soupd=beautifulsoup(resd.text,'


html.parser')


news={}


news[


'title


']=soupd.select('


.show-title


')[0].text


info = soupd.select('


.show-info


')[0].text


news['dt


']=datetime.strptime(info.lstrip('


')[0:19],'


%y-%m-%d %h:%m:%s')


if info.find('


**')>0:


news[


'source


']=info[info.find('


'):].split()[0].lstrip('')


else


: news[


'source


']='


none


'news[


'content


']=soupd.select('


.show-content


')[0].text.strip()


news[


'click


']=getclickcount(newsurl)


news[


'newsurl


']=newsurl


return


(news)


defgetlistpage(listpageurl):


res=requests.get(listpageurl)


res.encoding='


utf-8


'soup=beautifulsoup(res.text,'


html.parser')


newslist=


for news in soup.select('li'


): 


if len(news.select('


.news-list-title


'))>0:


a=news.select('


a')[0].attrs['


href']


return


(newslist)


defgetpagen():


res=requests.get('


')res.encoding='


utf-8


'soupn=beautifulsoup(res.text,'


html.parser')


n=int(soupn.select('


.a1')[0].text.rstrip('條'


)) 


return(n//10+1)


newstotal=


firstpage='


'newstotal.extend(getlistpage(firstpage))


n=getpagen()


for i in range(n,n+1):


listpageurl='


{}.html


'.format(i)


newstotal.extend(getlistpage(listpageurl))


for news in


newstotal:


print(news)

資料結構化與儲存

1.將新聞的正文內容儲存到文字檔案。soup beautifulsoup res.text,html.parser content soup.select show content 0 text f open news.txt w encoding utf 8 f.write content f.c...

資料結構化與儲存

作業是 同學的，因為沒有對新聞資訊做提取，所有無法新增新聞資訊到字典。已練習pandas庫的相關使用方法，匯出excel檔案。ps 自己的 會盡快修改！import requests from bs4 import beautifulsoup from datetime import datetim...

資料結構化與儲存

1.將新聞的正文內容儲存到文字檔案。f open content.txt a encoding utf 8 f.write content f.close 2.將新聞資料結構化為字典的列表 獲取新聞詳情 defgetnewdetail url resd requests.get url resd.e...