获取全部校园新闻

1.取出一个新闻列表页的全部新闻 包装成函数。

2.获取总的新闻篇数，算出新闻总页数。

3.获取全部新闻列表页的全部新闻详情。

import requests
from bs4 import BeautifulSoup
from datetime import datetime
import re

#获取点击次数
def getClickCount(newsUrl):
    newId=re.search('\_(.*).html',newsUrl).group(1).split('/')[1]
    clickUrl="http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(newId)
    clickStr = requests.get(clickUrl).text
    count = re.search("hits'\).html\('(.*)'\);", clickStr).group(1)
    return count

#获取新闻详细信息
def getNewsDetail(newsurl):
    resd=requests.get(newsurl)
    resd.encoding='utf-8'
    soupd=BeautifulSoup(resd.text,'html.parser')
    title=soupd.select('.show-title')[0].text
    info=soupd.select('.show-info')[0].text
    dt=datetime.strptime(info.lstrip('发布时间:')[0:19],'%Y-%m-%d %H:%M:%S')

    if info.find('来源')>0:
        source =info[info.find('来源：'):].split()[0].lstrip('来源：')
    else:
        source='none'
    if info.find('作者：') > 0:
        author = info[info.find('作者：'):].split()[0].lstrip('作者：')
    else:
        author = 'none'
    click=getClickCount(newsurl)
    print(dt,click,author,newsurl,title,source)


def getListPage(listPageUrl):
    res=requests.get(listPageUrl)
    res.encoding='utf-8'
    soup=BeautifulSoup(res.text,'html.parser')
    for news in soup.select('li'):
        if len(news.select('.news-list-title'))>0:
            a=news.select('a')[0].attrs['href']
            getNewsDetail(a)

ListPageUrl="http://news.gzcc.cn/html/xiaoyuanxinwen/"
res=requests.get(ListPageUrl)
res.encoding='utf-8'
soup=BeautifulSoup(res.text,'html.parser')
n = int(soup.select('.a1')[0].text.rstrip('条'))//10+1

getListPage(ListPageUrl)
for i in range(n,n+1):
    listUrl= 'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i)
    getListPage(listUrl)

 运行结果：

4.找一个自己感兴趣的主题，进行数据爬取，并进行分词分析。不能与其它同学雷同。