获取一篇新闻的全部信息
获取一篇新闻的全部信息
作业要求来自于https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2894
给定一篇新闻的链接newsUrl，获取该新闻的全部信息
标题、作者、发布单位、审核、来源
发布时间:转换成datetime类型
点击：
-
newsUrl
-
newsId(使用正则表达式re)
-
clickUrl(str.format(newsId))
-
requests.get(clickUrl)
-
newClick(用字符串处理，或正则表达式)
-
int()
整个过程包装成一个简单清晰的函数。
具体代码如下：
1 # 获取一篇新闻的全部信息 2 import re 3 import requests 4 from bs4 import BeautifulSoup 5 from datetime import datetime 6 7 8 # 获取新闻id 9 def newsnum(url): 10 newsid = re.match('http://news.gzcc.cn/html/2018/meitishijie_0323/(.*).html', url).group(1) 11 return newsid 12 13 14 # 发布时间:datetime类型 15 def newstime(soup): 16 newsdate = soup.select('.show-info')[0].text.split()[0].split(':')[1] 17 newstime = soup.select('.show-info')[0].text.split()[1] 18 time = newsdate + ' ' + newstime 19 time = datetime.strptime(time, '%Y-%m-%d %H:%M:%S') 20 return time 21 22 23 # 获取点击次数 24 def click(url): 25 id = re.findall('(\d{1,5})', url)[-1] 26 clickUrl = 'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id) 27 res = requests.get(clickUrl) 28 newsClick = res.text.split('.html')[-1].lstrip("('").rstrip("');") 29 newsDJ = '点击次数：' + newsClick + '次' 30 return newsDJ 31 32 # 主函数 33 def main(url): 34 res = requests.get(url) 35 res.encoding = 'utf-8' 36 soup = BeautifulSoup(res.text, 'html.parser') 37 print("新闻编号:" + newsnum(url)); # 新闻编号id 38 print("标题:" + soup.select('.show-title')[0].text); # 标题 39 print("发布时间:" + str(newstime(soup))); # 发布时间 40 print(click(url)) 41 print(soup.select('.show-info')[0].text.split()[2]); # 作者 42 print(soup.select('.show-info')[0].text.split()[3]); # 审核 43 print(soup.select('.show-info')[0].text.split()[4]); # 来源 44 print("内容:" + soup.select('.show-content')[0].text); # 内容 45 return 46 47 url = "http://news.gzcc.cn/html/2018/meitishijie_0323/9085.html" 48 main(url)
运行截图如下：
