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
import re
from bs4 import BeautifulSoup
from datetime import datetime

# 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
    return re.search("hits'\).html\('(.*)'\);",clickStr).group(1)

# 获取新闻详情
def getNewDetail(url):
    resd = requests.get(url)
    resd.encoding = 'utf-8'
    soupd = BeautifulSoup(resd.text, 'html.parser')
    title = soupd.select('.show-title')[0].text
    info = soupd.select('.show-info')[0].text
    t = soupd.select('.show-info')[0].text[0:24].lstrip('发布时间:')
    dt = datetime.strptime(t, '%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'

    #获取新闻正文内容
    # content = soupd.select('.show-content')[0].text.strip()

    #调用getClickCount函数获取新闻点击次数
    click = getClickCount(url)
    print('链接：', url)
    print('标题：', title)
    # print('正文：',content)
    print('发布时间：', dt)
    print('来源：', source)
    print('作者：', author)
    print('点击次数：', click)

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:
            # 获取每条新闻链接
            a = news.select('a')[0].attrs['href']
            # 调用函数获取新闻详情页的内容
            getNewDetail(a)

#用新闻条数计算新闻总页数
resn = requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/')
resn.encoding = 'utf-8'
soupn = BeautifulSoup(resn.text,'html.parser')
n = int(soupn.select('.a1')[0].text.rsplit('条')[0])//10+1

#获取每页新闻的链接
for i in range(2,n):
    pageUrl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i)
    getListPage(pageUrl)