获取一篇新闻的全部信息

作业的要求来自: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。


 

 代码:

def click(url):#获取点击次数
    id=re.findall('(\d{1,5})',url)[-1]
    clickUrl='http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)
    res=requests.get(clickUrl)
    newsClick=res.text.split('.html')[-1].lstrip("('").rstrip("');")
    return newsClick

def newsdt(showinfo):#转换成datetime类型
    newsDate=showinfo.split()[0].split(':')[1]
    newsTime=showinfo.split()[1]
    newsDT=newsDate+' '+newsTime
    #newsDT=datetime.strptime(newsDT,'%Y-%m-%d %H:%M:%S')
    return newsDT

def newsid(url):#获取新闻编号
    newsID=re.findall('(\d{1,5})',url)[-1]
    return  newsID

def news(url):
    res=requests.get(url)
    res.encoding='utf-8'
    soup=BeautifulSoup(res.text,'html.parser')
    title=soup.select('.show-title')[0].text
    showinfo=soup.select('.show-info')[0].text
    newsDT=newsdt(showinfo)
    author=soup.select('.show-info')[0].text.split()[2]#获取作者
    check=soup.select('.show-info')[0].text.split()[3]#获取审核
    comefrom=soup.select('.show-info')[0].text.split()[4]#获取来源
    detail=soup.select('.show-content ')[0].text#获取新闻的具体内容
    newsID=newsid(url)#获取新闻编号
    newsClick=click(url)#获取点击次数
    title='新闻标题:'+title
    newsClick='文章点击次数:'+newsClick
    newsID='新闻编号:'+newsID
    newsDT='发布日期:'+newsDT
    pr=(newsClick,title,newsDT,newsID,author,check,comefrom,detail)#输出新闻的各种信息
    return pr
url='http://news.gzcc.cn/html/2019/meitishijie_0225/10895.html'
print(news(url))

运行结果:

 

 

posted on 2019-04-01 17:10  zllll  阅读(191)  评论(0编辑  收藏  举报