zoukankan      html  css  js  c++  java
  • 爬取新闻列表 25

    1、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。

    2、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。

    3、获取所有新闻列表页的网址,调用上述函数。

    4、完成所有校园新闻的爬取工作。

    复制代码
    import requests
    import re
    from bs4 import BeautifulSoup
    from datetime import datetime
    
    url='http://news.gzcc.cn/html/xiaoyuanxinwen/'
    res=requests.get(url)
    res.encoding='utf-8'
    soup=BeautifulSoup(res.text,'html.parser')
    
    def getclicks(current_urls):
        id = re.search("_(.*).html",current_urls).groups()[0].split('/')[1]
        click =int(requests.get('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)).text.split('.')[-1].lstrip("html('").rstrip("');"))
        return click
    #每一页文章明细
    def getfirstpages(url24):
        res=requests.get(url24)
        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 
            time=news.select('.news-list-info')[0].contents[0].text#时间
            url1=news.select('a')[0]['href']#url
            bumen=news.select('.news-list-info')[0].contents[1].text#院系
            description=news.select('.news-list-description')[0].text#明细(文章)
    
            resd=requests.get(url1)
            resd.encoding='utf-8'
            soupd=BeautifulSoup(resd.text,'html.parser')
            detail = soupd.select('.show-content')[0].text #内容
            count = getclicks(url1)#调用函数
            #re.match('http://news.gzcc.cn/html/2017/xiaoyuanxinwen_1001/(.*).html',url).groups()
            
            print(title,count)
            #print(detail)
            #break
    n =int(soup.select('.a1')[0].text.rstrip('条'))
    number = n // 10 + 1
    for i in range(2,number+1):
        url01='http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i)
        getfirstpages(url01)
    复制代码

    复制代码
    import requests
    from bs4 import BeautifulSoup
    from datetime import datetime
    
    url='http://news.gzcc.cn/html/xiaoyuanxinwen/'
    res=requests.get(url)
    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 
            time=news.select('.news-list-info')[0].contents[0].text#时间
            url1=news.select('a')[0]['href']#url
            bumen=news.select('.news-list-info')[0].contents[1].text
            description=news.select('.news-list-description')[0].text 
    
            resd=requests.get(url1)
            resd.encoding='utf-8'
            soupd=BeautifulSoup(resd.text,'html.parser')
            detail = soupd.select('.show-content')[0].text
    
            print(detail)
            break
    复制代码

    复制代码
    import requests
    from bs4 import BeautifulSoup
    from datetime import datetime
    
    url='http://news.gzcc.cn/html/xiaoyuanxinwen/'
    res=requests.get(url)
    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 
            time=news.select('.news-list-info')[0].contents[0].text#时间
            url1=news.select('a')[0]['href']#url
            bumen=news.select('.news-list-info')[0].contents[1].text
            description=news.select('.news-list-description')[0].text 
    
            resd=requests.get(url1)
            resd.encoding='utf-8'
            soupd=BeautifulSoup(resd.text,'html.parser')
            detail = soupd.select('.show-content')[0].text #内容
    
            click = requests.get('http://oa.gzcc.cn/api.php?op=count&id=8249&modelid=80').text.split('.')[-1].lstrip("html('").rstrip("');")
            
            print(click)
            print(detail)
            break
    复制代码

  • 相关阅读:
    Android Studio官方文档: 如何在你的设备上运行你的程序
    Android Studio ERROR: x86 emulation currently requires hardware acceleration!报错解决傻瓜教程~
    Android studio 无法启动安卓模拟器
    从Windows系统服务获取活动用户的注册表信息(当前活动用户的sessionId. 当前活动用户的 hUserToken)
    Linux IO模式
    宽字符std::wstring的长度和大小问题?sizeof(std::wstring)是固定的32,说明std::wstring是一个普通的C++类,而且和Delphi不一样,没有负方向,因为那个需要编译器的支持
    Delphi 拦截滚轮事件不响应滚轮的上下滚动
    台湾芯片产业的兴与衰:输赢千亿美元的生死搏杀
    go语言
    一次请求到响应的整个流程
  • 原文地址:https://www.cnblogs.com/kinoko/p/7684996.html
Copyright © 2011-2022 走看看