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: