爬取新闻列表

Posted

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。

1、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。

2、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。

3、获取所有新闻列表页的网址,调用上述函数。

4、完成所有校园新闻的爬取工作。

import requests
import re
from bs4 import BeautifulSoup
from datetime import datetime

url=http://news.gzcc.cn/html/xiaoyuanxinwen/
res=requests.get(url)
res.encoding=utf-8
soup=BeautifulSoup(res.text,html.parser)

def getclicks(current_urls):
    id = re.search("_(.*).html",current_urls).groups()[0].split(/)[1]
    click =int(requests.get(http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80.format(id)).text.split(.)[-1].lstrip("html(‘").rstrip("‘);"))
    return click
#每一页文章明细
def getfirstpages(url24):
    res=requests.get(url24)
    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 
        time=news.select(.news-list-info)[0].contents[0].text#时间
        url1=news.select(a)[0][href]#url
        bumen=news.select(.news-list-info)[0].contents[1].text#院系
        description=news.select(.news-list-description)[0].text#明细(文章)

        resd=requests.get(url1)
        resd.encoding=utf-8
        soupd=BeautifulSoup(resd.text,html.parser)
        detail = soupd.select(.show-content)[0].text #内容
        count = getclicks(url1)#调用函数
        #re.match(‘http://news.gzcc.cn/html/2017/xiaoyuanxinwen_1001/(.*).html‘,url).groups()
        
        print(title,count)
        #print(detail)
        #break
n =int(soup.select(.a1)[0].text.rstrip())
number = n // 10 + 1
for i in range(2,number+1):
    url01=http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html.format(i)
    getfirstpages(url01)

技术分享

import requests
from bs4 import BeautifulSoup
from datetime import datetime

url=http://news.gzcc.cn/html/xiaoyuanxinwen/
res=requests.get(url)
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 
        time=news.select(.news-list-info)[0].contents[0].text#时间
        url1=news.select(a)[0][href]#url
        bumen=news.select(.news-list-info)[0].contents[1].text
        description=news.select(.news-list-description)[0].text 

        resd=requests.get(url1)
        resd.encoding=utf-8
        soupd=BeautifulSoup(resd.text,html.parser)
        detail = soupd.select(.show-content)[0].text

        print(detail)
        break

技术分享

import requests
from bs4 import BeautifulSoup
from datetime import datetime

url=http://news.gzcc.cn/html/xiaoyuanxinwen/
res=requests.get(url)
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 
        time=news.select(.news-list-info)[0].contents[0].text#时间
        url1=news.select(a)[0][href]#url
        bumen=news.select(.news-list-info)[0].contents[1].text
        description=news.select(.news-list-description)[0].text 

        resd=requests.get(url1)
        resd.encoding=utf-8
        soupd=BeautifulSoup(resd.text,html.parser)
        detail = soupd.select(.show-content)[0].text #内容

        click = requests.get(http://oa.gzcc.cn/api.php?op=count&id=8249&modelid=80).text.split(.)[-1].lstrip("html(‘").rstrip("‘);")
        
        print(click)
        print(detail)
        break

技术分享

 

 

 


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

用requests库和BeautifulSoup4库爬取新闻列表

爬虫实例1-爬取新闻列表和发布时间

爬取新闻列表