一.网页构成及分析——集团动态 (genomics.cn)
网页构成较为简单,一次显示6条动态,包括标题,简介,时间,每次点击“更多”会多出新的6条;思路就很简单,点击“更多”,直到所有动态出现,再获取网页源代码,利用xpath获取节点信息,再进行相应的数据清洗分析。
最后制作了每一年的词云图。
二.代码及注释
1.导包
from selenium import webdriver
from selenium.webdriver.common.by import By
import time
from openpyxl import Workbook#直接生成xlsx文件,xls文件较为笨重,大小是xlsx文件的一倍
import pandas as pd
import jieba#对文本进行分词的软件包
import wordcloud#词云图包
import numpy as np
2.获取集团动态的标题、简介、日期,并整理为excel文件(*.xlsx)
web = webdriver.Edge()#对象化一个webdriver来调用浏览器
web.get('https://www.genomics.cn/n