1. 将新闻的正文内容保存到文本文件。def writeNewsDetail(content):    f = open('gzccnews.txt', 'a',encoding='utf-8')    f.write(content)    f.close()2. 将新闻数据结构化为字典的列表:单条新闻的详情-->字典news一个列表页所有单条新闻汇总-->列表newsls.append(news)所有列表页的所有新闻汇总列表newstotal.extend(newsls)import requestsfrom bs4 import BeautifulSoupfrom datetime import datetimeimport redef writeNewsDetail(content):    f = open('gzccnews.txt', 'a',encoding='utf-8')    f.write(content)    f.close()def getClickCount(newsUrl):  #一篇新闻的点击次数    newId = re.search('\_(.*).html', newsUrl).group(1).split('/')[1]    clickUrl = "http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(newId)    return (int(requests.get(clickUrl).text.split('.html')[-1].lstrip("('").rstrip("');")))def getNewsDetail(newsUrl):  #一篇新闻的全部信息    resd = requests.get(newsUrl)    resd.encoding = 'utf-8'    soupd = BeautifulSoup(resd.text, 'html.parser')  # 打开新闻详情页并解析    news ={}    news['title'] = soupd.select('.show-title')[0].text    info = soupd.select('.show-info')[0].text    news['dt'] = datetime.strptime(info.lstrip('发布时间:')[0:19], '%Y-%m-%d %H:%M:%S')    if info.find('来源：') > 0:  # 作者： 审核： 来源： 摄影：一样处理        news['source'] = info[info.find('来源：'):].split()[0].lstrip('来源：')    else:        news['source'] = 'none'    news['content'] = soupd.select('.show-content')[0].text.strip()    #writeNewsDetail(news['content'])    news['click'] = getClickCount(newsUrl)    news['newsUrl'] = newsUrl    return(news)def getListPage(pageUrl):  #一个列表页的全部新闻    res = requests.get(pageUrl)    res.encoding = 'utf-8'    soup = BeautifulSoup(res.text, 'html.parser')    newsList = []    for news in soup.select('li'):        if len(news.select('.news-list-title')) > 0:            newsUrl = news.select('a')[0].attrs['href']  # 链接            newsList.append(getNewsDetail(newsUrl))    return(newsList)def getPageN():  # 新闻列表页的总页数    res = requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/')    res.encoding = 'utf-8'    soup = BeautifulSoup(res.text, 'html.parser')    n = int(soup.select('.a1')[0].text.rstrip('条'))    return (n // 10 + 1)newsTotal = []firstPageUrl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'newsTotal.extend(getListPage(firstPageUrl))n = getPageN()for i in range(n, n+1):    listPageUrl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i)    newsTotal.extend(getListPage(listPageUrl))print(newsTotal)3. 安装pandas，用pandas.DataFrame(newstotal)，创建一个DataFrame对象df.df = pandas.DataFrame(newsTotal)print(df)4. 通过df将提取的数据保存到csv或excel 文件。df.to_excel('ly.xlsx')5. 用pandas提供的函数和方法进行数据分析：提取包含点击次数、标题、来源的前6行数据提取‘学校综合办’发布的，‘点击次数’超过3000的新闻。提取'国际学院'和'学生工作处'发布的新闻。# 提取包含点击次数、标题、来源的前6行数据print(df[['click','title','sources']].head(6)) # 提取‘学校综合办’发布的，‘点击次数’超过3000的新闻。print(df[(df['click']>3000)&(df['sources']=='学校综合办')]) # 提取'国际学院'和'学生工作处'发布的新闻。sou = ['国际学院','学生工作处']print(df[df['sources'].isin(sou)])