爬取所有校园新闻
Posted 09陈雨雨
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬取所有校园新闻相关的知识,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。
Posted 09陈雨雨
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬取所有校园新闻相关的知识,希望对你有一定的参考价值。
import requests from bs4 import BeautifulSoup import re url_main="http://news.gzcc.cn/html/xiaoyuanxinwen/" res = requests.get(url_main) res.encoding = \'utf-8\' soup = BeautifulSoup(res.text,\'html.parser\') li = soup.select(\'li\') #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 def gethits(url_1): li_id =re.search(\'_.*/(.*).html\',url_1).groups(0)[0] hits = requests.get(\'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80\'.format(li_id)).text.split(\'.\')[-1].rstrip(\'\'\'\');\'\'\').lstrip(\'\'\'\'html(\'\'\') return hits #获取单条新闻的#标题#链接#时间#来源#正文 #点击次数,并包装成一个函数。 def getpageinfo(label): for title_list in label: if len(title_list.select(\'.news-list-title\'))>0: href = title_list.select(\'a\')[0][\'href\'] title = title_list.select(\'.news-list-title\')[0].text time = title_list.select(\'span\')[0].text info = title_list.select(\'span\')[1].text res_list = requests.get(href) res_list.encoding = \'utf-8\' soup_list = BeautifulSoup(res_list.text,\'html.parser\') zhengwen = soup_list.select(\'.show-content\')[0].text hits_list = gethits(href) print(\'时间:\',time,\'\\n标题:\',title,\'\\n链接:\',href,\'\\n来源:\',info,\'\\n点击次数:\',hits_list,\'\\n\') print(\'正文:\',zhengwen) break getpageinfo(li)
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 getdate(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 date 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: sorce=(news.select(\'.news-list-info\')[0].contents[1].text) day=(news.select(\'.news-list-info\')[0].contents[0].text) url=news.select(\'a\')[0][\'href\'] title=(news.select(\'.news-list-title\')[0].text) resd=requests.get(url) resd.encoding=\'utf-8\' soupd=BeautifulSoup(resd.text,"html.parser") textd=(soupd.select(\'.show-content\')[0].text) date=getdate(url) print(day,title,sorce,date) 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(1,7): pageurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html\'.format(i) print(pageurl)
以上是关于爬取所有校园新闻的主要内容,如果未能解决你的问题,请参考以下文章