爬取新闻列表
Posted 06刘玲苑
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。
import requests from bs4 import BeautifulSoup mt="http://news.gzcc.cn/html/xiaoyuanxinwen/" res=requests.get(mt) 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\'] day=(news.select(\'.news-list-info\')[0].contents[0].text) sorce=(news.select(\'.news-list-info\')[0].contents[1].text) resd=requests.get(url) resd.encoding=\'utf-8\' soupd=BeautifulSoup(resd.text,"html.parser") textd=(soupd.select(\'.show-content\')[0].text) diji=requests.get(\'http://oa.gzcc.cn/api.php?op=count&id=8301&modelid=80\').text.split(\'.\')[-1].lstrip("html(\'").rstrip("html\');") print(diji) break
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。
import requests from bs4 import BeautifulSoup mt="http://news.gzcc.cn/html/xiaoyuanxinwen/" res=requests.get(mt) 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\'] day=(news.select(\'.news-list-info\')[0].contents[0].text) sorce=(news.select(\'.news-list-info\')[0].contents[1].text) resd=requests.get(url) resd.encoding=\'utf-8\' soupd=BeautifulSoup(resd.text,"html.parser") textd=(soupd.select(\'.show-content\')[0].text) print(textd) break
3、获取所有新闻列表页的网址,调用上述函数。
import requests from bs4 import BeautifulSoup import re gzccurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/\' res=requests.get(gzccurl) res.encoding=\'utf-8\' soup=BeautifulSoup(res.text,"html.parser") n=int(soup.select(\'.a1\')[0].text.rstrip(\'条\')) page=n//10+1 for i in range(page+1): pageurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html\'.format(i) print(pageurl)
4、完成所有校园新闻的爬取工作。
import requests from bs4 import BeautifulSoup import re mt="http://news.gzcc.cn/html/xiaoyuanxinwen/" res=requests.get(mt) res.encoding=\'utf-8\' soup=BeautifulSoup(res.text,"html.parser") def getdiji(newurl): id=re.search(\'_(.*).html\',newurl).group(1).split(\'/\')[1] dijiurl=\'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80\'.format(id) diji=requests.get(\'http://oa.gzcc.cn/api.php?op=count&id=8301&modelid=80\').text.split(\'.\')[-1].lstrip("html(\'").rstrip("html\');") return diji def genonepage(listurl): res=requests.get(listurl) 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 day=(news.select(\'.news-list-info\')[0].contents[0].text) #日期 sorce=(news.select(\'.news-list-info\')[0].contents[1].text) #来源 resd=requests.get(url) resd.encoding=\'utf-8\' soupd=BeautifulSoup(resd.text,"html.parser") textd=(soupd.select(\'.show-content\')[0].text)#点击次数 diji=getdiji(url) print(day,title,sorce,diji) gzccurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/\' res=requests.get(gzccurl) res.encoding=\'utf-8\' soup=BeautifulSoup(res.text,"html.parser") n=int(soup.select(\'.a1\')[0].text.rstrip(\'条\')) page=n//10+1 for i in range(2,7): pageurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html\'.format(i) print(pageurl)
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