矿大新闻精准检索-Python

2023-10-06 22:50

本文主要是介绍矿大新闻精准检索-Python,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

项目简介

在中国矿业大学计算机学院官网新闻中,检索是否含有某个词,并将结果输出到Excel
目标网站:http://cs.cumt.edu.cn/index/xwdt.htm

包含的新闻类型:新闻动态、通知公告、学术交流、学生风采、师生风采和教学科研

项目成果

生成一个Excel文件,四列分别为:新闻类型、新闻标题、新闻链接、含有哪些检索词
在这里插入图片描述

源代码

import urllib.request
import urllib.error
from bs4 import BeautifulSoup
import re
import xlwt# 此处填入所有敏感词
words = ["李卿", "付德权"]
# 新闻类型
# 比如通知公告的列表页为:http://cs.cumt.edu.cn/index/tzgg.htm
# 那么就将tzgg加入typeList列表
typeList = ["xwdt", "tzgg", "xsjl", "xshd", "ssfc", "jxky1"]line = 0
workbook = xlwt.Workbook(encoding="utf-8")
worksheet = workbook.add_sheet("main")def writeLine(type, title, link, words):global line, workbook, worksheetworksheet.write(line, 0, type)worksheet.write(line, 1, title)worksheet.write(line, 2, link)worksheet.write(line, 3, words)line = line + 1def analyse(words, type):print("————————————" + "开始分析:" + type + "——————————————")url = "http://cs.cumt.edu.cn/index/" + type + "/"index = 1while True:url2 = url + str(index) + ".htm"print("\n查找:" + url2)try:response = urllib.request.urlopen(url2)except urllib.error.URLError as e:print("————————————" + "分析完毕:" + type + "——————————————")breakbs = BeautifulSoup(response, "html.parser")liTag = bs.select("a[target='_blank']")for li in liTag:title = li.contents[0]detailUrl = "http://cs.cumt.edu.cn" + li['href'][5:]print(detailUrl)try:detailRes = urllib.request.urlopen(detailUrl, timeout=1)except IOError:continuedetailRes = detailRes.read().decode('utf-8')wordsResult = []flag = Falsefor word in words:pat = re.compile(word)match = pat.search(detailRes)if match is not None:flag = TruewordsResult.append(word + " ")if flag:print(detailUrl + " 含:" + str(words) + "  已写入xls")writeLine(type, title, detailUrl, wordsResult)index = index + 1if __name__ == '__main__':for type in typeList:analyse(words, type)workbook.save("result.xls")

这篇关于矿大新闻精准检索-Python的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/154399

相关文章

Python实现Word转PDF全攻略(从入门到实战)

《Python实现Word转PDF全攻略(从入门到实战)》在数字化办公场景中,Word文档的跨平台兼容性始终是个难题,而PDF格式凭借所见即所得的特性,已成为文档分发和归档的标准格式,下面小编就来和大... 目录一、为什么需要python处理Word转PDF?二、主流转换方案对比三、五套实战方案详解方案1:

基于Python Playwright进行前端性能测试的脚本实现

《基于PythonPlaywright进行前端性能测试的脚本实现》在当今Web应用开发中,性能优化是提升用户体验的关键因素之一,本文将介绍如何使用Playwright构建一个自动化性能测试工具,希望... 目录引言工具概述整体架构核心实现解析1. 浏览器初始化2. 性能数据收集3. 资源分析4. 关键性能指

使用Python的requests库调用API接口的详细步骤

《使用Python的requests库调用API接口的详细步骤》使用Python的requests库调用API接口是开发中最常用的方式之一,它简化了HTTP请求的处理流程,以下是详细步骤和实战示例,涵... 目录一、准备工作:安装 requests 库二、基本调用流程(以 RESTful API 为例)1.

Python清空Word段落样式的三种方法

《Python清空Word段落样式的三种方法》:本文主要介绍如何用python-docx库清空Word段落样式,提供三种方法:设置为Normal样式、清除直接格式、创建新Normal样式,注意需重... 目录方法一:直接设置段落样式为"Normal"方法二:清除所有直接格式设置方法三:创建新的Normal样

Python调用LibreOffice处理自动化文档的完整指南

《Python调用LibreOffice处理自动化文档的完整指南》在数字化转型的浪潮中,文档处理自动化已成为提升效率的关键,LibreOffice作为开源办公软件的佼佼者,其命令行功能结合Python... 目录引言一、环境搭建:三步构建自动化基石1. 安装LibreOffice与python2. 验证安装

把Python列表中的元素移动到开头的三种方法

《把Python列表中的元素移动到开头的三种方法》在Python编程中,我们经常需要对列表(list)进行操作,有时,我们希望将列表中的某个元素移动到最前面,使其成为第一项,本文给大家介绍了把Pyth... 目录一、查找删除插入法1. 找到元素的索引2. 移除元素3. 插入到列表开头二、使用列表切片(Lis

Python按照24个实用大方向精选的上千种工具库汇总整理

《Python按照24个实用大方向精选的上千种工具库汇总整理》本文整理了Python生态中近千个库,涵盖数据处理、图像处理、网络开发、Web框架、人工智能、科学计算、GUI工具、测试框架、环境管理等多... 目录1、数据处理文本处理特殊文本处理html/XML 解析文件处理配置文件处理文档相关日志管理日期和

Python标准库datetime模块日期和时间数据类型解读

《Python标准库datetime模块日期和时间数据类型解读》文章介绍Python中datetime模块的date、time、datetime类,用于处理日期、时间及日期时间结合体,通过属性获取时间... 目录Datetime常用类日期date类型使用时间 time 类型使用日期和时间的结合体–日期时间(

使用Python开发一个Ditto剪贴板数据导出工具

《使用Python开发一个Ditto剪贴板数据导出工具》在日常工作中,我们经常需要处理大量的剪贴板数据,下面将介绍如何使用Python的wxPython库开发一个图形化工具,实现从Ditto数据库中读... 目录前言运行结果项目需求分析技术选型核心功能实现1. Ditto数据库结构分析2. 数据库自动定位3

Python yield与yield from的简单使用方式

《Pythonyield与yieldfrom的简单使用方式》生成器通过yield定义,可在处理I/O时暂停执行并返回部分结果,待其他任务完成后继续,yieldfrom用于将一个生成器的值传递给另一... 目录python yield与yield from的使用代码结构总结Python yield与yield