一个完整的大作业

news/2024/7/7 20:15:13

1.选一个自己感兴趣的主题。网址为http://news.gzcc.cn/html/xiaoyuanxinwen/

2.网络上爬取相关的数据

 复制代码

import requests
import re
from bs4 import BeautifulSoup
url='http://news.gzcc.cn/html/xiaoyuanxinwen/'
res=requests.get(url)
res.encoding='utf-8'
soup=BeautifulSoup(res.text,'html.parser')#获取点击次数
def getclick(newurl):id=re.search('_(.*).html',newurl).group(1).split('/')[1]clickurl='http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)click=int(requests.get(clickurl).text.split(".")[-1].lstrip("html('").rstrip("');"))return click#获取内容
def getonpages(listurl):res=requests.get(listurl)res.encoding='utf-8'soup=BeautifulSoup(res.text,'html.parser')for news in soup.select('li'):if len(news.select('.news-list-title'))>0:title=news.select('.news-list-title')[0].text #标题time=news.select('.news-list-info')[0].contents[0].text#时间url1=news.select('a')[0]['href'] #urlbumen=news.select('.news-list-info')[0].contents[1].text#部门description=news.select('.news-list-description')[0].text #描述resd=requests.get(url1)resd.encoding='utf-8'soupd=BeautifulSoup(resd.text,'html.parser')detail=soupd.select('.show-content')[0].textclick=getclick(url1) #调用点击次数print(title,click)count=int(soup.select('.a1')[0].text.rstrip("条"))
pages=count//10+1
for i in range(2,4):pagesurl="http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html".format(i)getonpages(pagesurl)

  复制代码

 

3.进行文本分析,生成词云。

复制代码

#coding:utf-8
import jieba
from wordcloud import WordCloud
import matplotlib.pyplot as plttext =open("D:\\cc.txt",'r',encoding='utf-8').read()
print(text)
wordlist = jieba.cut(text,cut_all=True)
wl_split = "/".join(wordlist)mywc = WordCloud().generate(text)
plt.imshow(mywc)
plt.axis("off")
plt.show()


4.结论,当前时间段主要新闻内容以新生入学和十九大的召开为主。

 

转载于:https://www.cnblogs.com/dachui/p/7766811.html


http://lihuaxi.xjx100.cn/news/249551.html

相关文章

阶段1 语言基础+高级_1-3-Java语言高级_02-继承与多态_第5节 final关键字_5_final关键字用于修饰成员变量...

直接这么修饰成员变量就会报错。这里必须要手动赋值,因为string name这里的默认是值null。一但默认值以后就不能后续再赋值了。所以这里强制你必须要手动赋值。 给name赋值后。后面所有的代码 尝试给name赋值的地方都报错了。 通过构造进行赋值。 构造有两个一个有参…

dhcp 搭建

自带rpm包安装:# mount /dev/cdrom /media 挂载 # cd /media/Server/ 进入目录 # rpm -ivh dhcp-3.0.5-18.el5.i386.rpm 安装DHCP # cp /usr/share/doc/dhcp-3.0.5/dhcpd.conf.sample /etc/dhcpd.conf …

android读取大图片并缓存

最近开发电视版的云存储应用,要求”我的相册“模块有全屏预览图片的功能,全屏分辨率是1920*1080超清。UI组件方面采用GalleryImageSwitcher组合,这里略过,详情参见google Android API。相册图片预取缓存策略是内存缓存&#xff08…

全“芯”关注用户需求 AMD“超轻薄笔记本”杀出重围

现在10.6寸跟11.6寸的笔记本已经占据整个笔记本市场的15%左右,跟过去只有几个点相比,已经有很大的提升了,几乎是百分之百的提升,超轻薄笔记本是大势所趋。这种趋势也带动了两大芯片巨头英特尔和AMD的角逐,英特尔为新一…

工程师进阶之路(四)

转载自 量子恒道官方博客 地址:http://blog.linezing.com 如何和“老板”沟通 我们是一线工程师的时候,和我们的直接技术管理者沟通是非常容易的。我们的技术架构、代码风格、系统扩展性、工程化全局考虑就是我们赢得信任和信赖的名片。但是随着我们的…

量产工具介绍(2)

前面介绍了量产工具概念,U盘构造,量产工具获取途径,以及国内的芯片分类,今天,我们从注意事项及常见问题继续介绍量产相关知识注意事项厂家推出的量产工具也是在不断提高版本的,新版本添加有新主控型号驱动。…

Web自动化测试 六 ----- selector选择

1、一般情况下都是先定位元素在选择 from selenium.webdriver import Chrome from selenium.webdriver.support.wait import WebDriverWait from selenium.webdriver.common.by import By from selenium.webdriver.support import expected_conditions as ECdriver Chrome()dr…

两个FTP对传文件

2019独角兽企业重金招聘Python工程师标准>>> #!/bin/bash ftp -n<<! open hostname user username password binary cd /FTP_A_Directory lcd /tmp/tmpSave prompt mget * close bye ! ftp -n<<! open hostname user username password binary cd /…