爬取所有校园新闻

Posted 2020-10-10 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。


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

爬取所有校园新闻