获取一篇新闻的全部信息
作业的要求来自于：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。
# -*- coding: utf-8 -*- """ Created on Mon Apr 1 10:28:21 2019 @author: Administrator """ #获取一篇新闻的全部信息 import re import requests from bs4 import BeautifulSoup from datetime import datetime #获取点击次数 def click(url): clickurl='http://oa.gzcc.cn/api.php?op=count&id=11029&modelid=80' res=requests.get(clickurl) click=res.text.split('.html')[-1].lstrip("('").rstrip("');") return click #获取新闻编号 def newsnum(url): newsid=re.match('http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0320/(.*).html',url).group(1) return newsid #时间 def newstime(url,soup): ''' time=soup.select('.show-info')[0].text[5:24] time=soup.select('.show-info')[0].text.split()[0].lstrip('发布时间') ''' newsdate=soup.select('.show-info')[0].text.split()[0].split(':')[1] newstime=soup.select('.show-info')[0].text.split()[1] time=newsdate+' '+newstime time=datetime.strptime(time,'%Y-%m-%d %H:%M:%S') return time def news(url): res=requests.get(url) res.encoding='utf-8' soup=BeautifulSoup(res.text,'html.parser') title=soup.select('.show-title')[0].text#标题 author=soup.select('.show-info')[0].text.split()[2]#作者 auditor=soup.select('.show-info')[0].text.split()[3]#审核 comefrom=soup.select('.show-info')[0].text.split()[4]#来源 detail=soup.select('.show-content p')[0].text#内容 newsid=newsnum(url)#新闻编号id time=newstime(url,soup)#发布时间 clicktime=click(url)#点击次数 p=print(newsid,title,time,author,auditor,comefrom,detail,clicktime) return p url="http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0320/11029.html" news(url)
