爬取全部的校园新闻

这个作业的要求来自于：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2941。

1.从新闻url获取新闻详情： 字典,anews

 

 

2.从列表页的url获取新闻url：列表append(字典) alist

 

3.生成所页列表页的url并获取全部新闻 ：列表extend(列表) allnews

*每个同学爬学号尾数开始的10个列表页

.4.设置合理的爬取间隔

allnews=[]

for  i  in  range(78,88):

     listUrl= 'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html' .format(i)

     allnews.extend(alist(listUrl))

len(allnews)

 

pd.Series(anews)

newsdf=pd.DataFrame(allnews)

for  i  in  range(5):

     print(i)

     time.sleep(random.random()*3)       

     print(newsdf)

5.用pandas做简单的数据处理并保存

newsdf.to_csv(r'F:\ccc.csv')

 

保存到数据库

import sqlite3
with sqlite3.connect('gzccnewsdb12.sqlite') as db:
    newsdf.to_sql('gzccnewsdb12',db)

 

 

转载于:https://www.cnblogs.com/timchan/p/10678913.html