爬取新闻并存入excel中

from bs4 import BeautifulSoup
from lxml import etree
import requests
from splinter import Browser
from selenium import webdriver
import urllib
import time
import os
import re
import base64
from splinter import Browser
import sys
import urllib.request
import os
import xlwt
import sqlite3
#http://www.gongyibaodao.com/zyff/16490.html
#http://www.gongyibaodao.com/zyff/16545.html
headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.90 Safari/537.36 Edg/89.0.774.57"
           }

#<div id="article">
#<h1 id="articleTitle">
#<div id="articleText">  all_p


def main():
    datalist = getData()
    #爬取网页
    savepath = "公益新闻.xls"
    saveData(datalist, savepath)
    #保存数据

#爬取网页
def getData():
    
    datalist = []
    num = 0
    for i in range(16491,16506):
        data = []
        url = ['http://www.gongyibaodao.com/zyff/{}.html'.format(i)]
        url = url[0]
        time.sleep(3)
        html = urllib.request.urlopen(url).read()
        #逐一解析数据
        soup = BeautifulSoup(html,"html.parser")
        middle_headline = soup.find('div', {'id': 'article'})
        save_headline_name = (middle_headline.find('h1')).get_text()
        #将标题存入data的第一列
        data.append(save_headline_name)
        middle_text = soup.find('div', {'id': 'articleText'})
        text_articles = middle_text.find_all('p')
        text_articles.encoding = 'utf-8'
        #将正文内容存入data的第二列中
        for item in text_articles:
            data.append(item.get_text())
        #将第一个新闻的标题和内容存入第一行
        datalist.append(data)
    #返回一个data列表
    return datalist

def saveData(datalist, savepath):
    # 把处理好的一个电影信息存储到datalist中
    print("save....")
    book = xlwt.Workbook(encoding="utf-8", style_compression=0)
    sheet = book.add_sheet('公益新闻', cell_overwrite_ok=True)
    col = ("标题", "内容")
    #range(0,2)指的是总共表头有几列
    for i in range(0, 2):
        sheet.write(0, i, col[i])
    #range(0,15)表示datalist总共有几行
    for i in range(0, 15):
        print("第%d条" % (i + 1))
        data = datalist[i]
        #range(0,2)与上面的range(0,2)含义相似
        for j in range(0, 2):
            sheet.write(i + 1, j, data[j])
    book.save('公益新闻.xls')

main()
print("全部存储")

//将csv格式转变为json格式
import csv
import json

csvfile = open(‘F:\公益新闻1.csv’,‘r’)

jsonfile =open(‘F:\公益新闻.json’,‘w’)

filenames=()

reader = csv.DictReader(csvfile,filenames)
for line in reader:
#json.dump(row,jsonfile)
json.dump(line, jsonfile)
jsonfile.write("\n")

import csv
import json

csvfile = open('F:\公益新闻1.csv','r')

jsonfile =open('F:\公益新闻.json','w')


filenames=()

reader = csv.DictReader(csvfile,filenames)
for line in reader:
    #json.dump(row,jsonfile)
    json.dump(line, jsonfile)
    jsonfile.write("\n")


  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值