爬取全部的校园新闻

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)