爬取新闻列表
Posted 哥哥让你爽
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬取新闻列表相关的知识,希望对你有一定的参考价值。
- 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。
- 完成所有新闻的爬取。
import requests from bs4 import BeautifulSoup res = requests.get(‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘) res.encoding=‘utf-8‘ soup = BeautifulSoup(res.text,‘html.parser‘) for news in soup.select(‘li‘): if len(news.select(‘.news-list-title‘))>0: title=news.select(‘.news-list-title‘)[0].text url=news.select(‘a‘)[0][‘href‘] time=news.select(‘.news-list-info‘)[0].contents[0].text dt=datetime.strptime(time,‘%Y-%m-%d‘) source=news.select(‘.news-list-info‘)[0].contents[1].text resd=requests.get(url) resd.encoding=‘utf-8‘ soupd=BeautifulSoup(resd.text,‘html.parser‘) print(time,title,url)
import requests from bs4 import BeautifulSoup from datetime import datetime gzccurl = ‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘ res = requests.get(gzccurl) res.enconding=‘utf-8‘ soup = BeautifulSoup(res.text,‘html.parser‘) for news in soup.select(‘li‘): if len (news.select(‘.news-list-litle‘))>0: title = news.select(‘.news-list-title‘)[0].text url = news.select(‘a‘)[0][‘href‘] time = news.select(‘.news-list-info‘)[0].contents[0].text dt = datetime.strptime(time,‘%Y-%m-%d‘) source = news.select(‘.news-list-info‘)[0].contents[1].text resd=requests.get(url) resd.encoding=‘utf-8‘ soupd = BeautifulSoup(read.text,‘html.parser‘) detail = soupd.select(‘.show-content‘)[0].text click = requests.get(‘http://oa.gzcc.cn/api.php?op=count&id=8249&modelid=80‘).text.split(‘.‘)[-1].lstrip(html(‘‘)) print(click) break
import requests import re from bs4 import BeautifulSoup def getclick(newurl): #函数:采用匹配方式,动态获取每一文章点击次数 id=re.search(‘_(.*).html‘,newurl).group(1).split(‘/‘)[1] clickurl=‘http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80‘.format(id) click=int(requests.get(‘http://oa.gzcc.cn/api.php?op=count&id=4662&modelid=80‘).text.split(‘.‘)[-1].lstrip("html(‘").rstrip("‘);")) return click def getonepages(eveylisturl): #函数:每一页的每一文章 res=requests.get(eveylisturl) res.encoding=‘utf-8‘ soup=BeautifulSoup(res.text,‘html.parser‘) for news in soup.select(‘li‘): if len(news.select(‘.news-list-title‘))>0: title=news.select(‘.news-list-title‘)[0].text #标题 url=news.select(‘a‘)[0][‘href‘]#网址 time=news.select(‘.news-list-info‘)[0].contents[0].text#时间 bumen=news.select(‘.news-list-info‘)[0].contents[1].text#院系 #txt=news.select(‘.news-list-description‘)[0].text #正文 resd=requests.get(url) resd.encoding=‘utf-8‘ soupd=BeautifulSoup(resd.text,‘html.parser‘) detail=soupd.select(‘.show-content‘)[0].text #获取正文 count=getclick(url) #调用函数获得文章的点击次数 print(title,count) gzcc=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘ #函数开头 res=requests.get(gzcc) res.encoding=‘utf-8‘ soup=BeautifulSoup(res.text,‘html.parser‘) n=int(soup.select(‘.a1‘)[0].text.rstrip(‘条‘)) pages=n//10+1 #计算多少条多少页 for i in range(2,5): pagesurl=‘http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html‘.format(i) getonepages(pagesurl)
以上是关于爬取新闻列表的主要内容,如果未能解决你的问题,请参考以下文章
用requests库和BeautifulSoup4库爬取新闻列表
用requests库和BeautifulSoup4库爬取新闻列表
用requests库和BeautifulSoup4库爬取新闻列表