python-爬取网络新闻
- 获取单条新闻的#标题#链接#时间#来源#内容 #点击次数,并包装成一个函数。
- 获取一个新闻列表页的所有新闻的上述详情,并包装成一个函数。
- 获取所有新闻列表页的网址,调用上述函数。
- 完成所有校园新闻的爬取工作。
- 完成自己所选其他主题相应数据的爬取工作。
1 import requests 2 import re 3 from bs4 import BeautifulSoup 4 url='http://news.gzcc.cn/html/xiaoyuanxinwen/' 5 res=requests.get(url) 6 res.encoding='utf-8' 7 soup=BeautifulSoup(res.text,'html.parser') 8 9 #获取点击次数 10 def getclick(newurl): 11 id=re.search('_(.*).html',newurl).group(1).split('/')[1] 12 clickurl='http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id) 13 click=int(requests.get(clickurl).text.split(".")[-1].lstrip("html('").rstrip("');")) 14 return click 15 16 #获取网页内容 17 def getonpages(listurl): 18 res=requests.get(listurl) 19 res.encoding='utf-8' 20 soup=BeautifulSoup(res.text,'html.parser') 21 22 for news in soup.select('li'): 23 if len(news.select('.news-list-title'))>0: 24 title=news.select('.news-list-title')[0].text #标题 25 time=news.select('.news-list-info')[0].contents[0].text#时间 26 url1=news.select('a')[0]['href'] #链接 27 source=news.select('.news-list-info')[0].contents[1].text#来源 28 description=news.select('.news-list-description')[0].text #内容 29 30 resd=requests.get(url1) 31 resd.encoding='utf-8' 32 soupd=BeautifulSoup(resd.text,'html.parser') 33 detail=soupd.select('.show-content')[0].text 34 35 click=getclick(url1) #调用点击次数 36 print(title,url1,click) 37 38 39 40 count=int(soup.select('.a1')[0].text.rstrip("条")) 41 pages=count//10+1 42 for i in range(2,4): 43 pagesurl="http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html".format(i) 44 getonpages(pagesurl)