【大数据应用技术】作业六｜获取一篇新闻的全部信息

本次作业的要求来自：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2894

目标：给定一篇新闻的链接newsUrl，获取该新闻的全部信息：标题、作者、发布单位、审核、来源、发布时间、点击次数等，并把整个过程包装成一个简单清晰的函数。

源代码如下：

import requests
from bs4 import BeautifulSoup
from datetime import datetime
import re

#获取新闻的全部信息
def newsInfo(url):
    news = requests.get(url)
    news.encoding = 'utf-8'
    newSoup = BeautifulSoup(news.text,'html.parser')
    #标题
    title = newSoup.select('.show-title')[0].text
    print('标题：'+title)
    #发布信息
    newInfo = newSoup.select('.show-info')[0].text
    #发布时间
    newDate = newInfo.split()[0].lstrip('发布时间:')
    newTime = newInfo.split()[1]
    newDateTime = newDate+' '+newTime
    
    print('发布时间：'+newDateTime)
    #作者
    author = newInfo.split()[2]
    print(author)
    #审核
    examine = newInfo.split()[3]
    print(examine)
    #来源
    source = newInfo.split()[4]
    print(source)
    
    #获取点击次数的url
    id = re.findall('(d{1,7})',url)[-1]
    clickUrl = 'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)
    click = requests.get(clickUrl)
    newClick = int(click.text.split('.html')[-1].lstrip("('").rstrip("');")) # 获取点击次数
    print('点击次数：')
    print(newClick)
    
    #内容
    newContent = newSoup.select('.show-content')[0].text
    print('内容：'+newContent)
    return;

url = 'http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0329/11095.html'
newsInfo(url)

运行结果如图：