爬取新闻列表
Posted 45hjq
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。
import requests import re from bs4 import BeautifulSoup url=\'http://news.gzcc.cn/html/xiaoyuanxinwen/\' res=requests.get(url) res.encoding=\'utf-8\' soup=BeautifulSoup(res.text,\'html.parser\') n=int(soup.select(\'.a1\')[0].text.rstrip(\'条\')) pages=n//10+1 for i in range(2,pages+1): pagesurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html\'.format(i) print(pagesurl)
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