10-12爬取广商新闻列表

Posted wa_dee

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10-12爬取广商新闻列表相关的知识,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。

>>> import requests
>>> from bs4 import BeautifulSoup
>>> laji="http://news.gzcc.cn/html/xiaoyuanxinwen/"
>>> res=requests.get(laji)
>>> 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)
        jiba=requests.get(\'http://oa.gzcc.cn/api.php?op=count&id=8301&modelid=80\').text.split(\'.\')[-1].lstrip("html(\'").rstrip("html\');")
        print(jiba)
        break

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

>>> import requests
>>> from bs4 import BeautifulSoup
>>> gzccurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/\'
>>> res= requests.get(gzccurl)
>>> res.encoding=\'utf-8\'
>>> soup = BeautifulSoup(res.text,"html.parser")
>>> news=int(soup.select(\'.a1\')[0].text.rstrip(\'\'))
>>> page=news//10+1
>>> for i in range(page+1):
    pageurl=\'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html\'.format(i)
    print(pageurl)

 

以上是关于10-12爬取广商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

广商-校园新闻爬虫

scrapy主动退出爬虫的代码片段(python3)

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