作业六｜获取一篇新闻的全部信息

作业要求来自：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2894

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:转换成datetime类型

点击：

• newsUrl
• newsId(使用正则表达式re)
• clickUrl(str.format(newsId))
• requests.get(clickUrl)
• newClick(用字符串处理，或正则表达式)
• int()

整个过程包装成一个简单清晰的函数。

尝试去爬取一个你感兴趣的网页。

代码如下

import requests
import re
from bs4 import BeautifulSoup
from datetime import datetime
def click(url):#获取点击次数
    id=re.findall('(d{1,5})',url)[-1]
    clickUrl='http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)
    res=requests.get(clickUrl)
    newsClick=res.text.split('.html')[-1].lstrip("('").rstrip("');")
    return newsClick

def newsdt(showinfo):#转换成datetime类型
    newsDate=showinfo.split()[0].split(':')[1]
    newsTime=showinfo.split()[1]
    newsDT=newsDate+' '+newsTime
    #newsDT=datetime.strptime(newsDT,'%Y-%m-%d %H:%M:%S')
    return newsDT

def newsid(url):#获取新闻编号
    newsID=re.findall('(d{1,5})',url)[-1]
    return  newsID

def news(url):
    res=requests.get(url)
    res.encoding='utf-8'
    soup=BeautifulSoup(res.text,'html.parser')
    title=soup.select('.show-title')[0].text
    '''time=soup.select('.show-info')[0].text[5:24]
    time=soup.select('.show-info')[0].text.split()[0].lstrip('发布时间:')#获取发布时间'''
    showinfo=soup.select('.show-info')[0].text
    newsDT=newsdt(showinfo)
    author=soup.select('.show-info')[0].text.split()[2]#获取作者
    
    check=soup.select('.show-info')[0].text.split()[3]#获取审核
    comefrom=soup.select('.show-info')[0].text.split()[4]#获取来源
    detail=soup.select('.show-content ')[0].text#获取新闻的具体内容
    newsID=newsid(url)#获取新闻编号
    
    newsClick=click(url)#获取点击次数
    title='新闻标题：'+title
    newsClick='文章点击次数：'+newsClick
    newsID='新闻编号：'+newsID
    newsDT='发布日期：'+newsDT
    pr=(newsClick,title,newsDT,newsID,author,check,comefrom,detail)#输出新闻的各种信息
    return pr
url='http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0331/11111.html'
print(news(url))

　　结果如下