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

    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。

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

     

    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。

    import requests
    from bs4 import BeautifulSoup
    
    mt="http://news.gzcc.cn/html/xiaoyuanxinwen/"
    res=requests.get(mt)
    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)
    
            
            print(textd)
            break

     

    3、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
    
    
    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(''))
    page=n//10+1
    for i in range(page+1):
        pageurl='http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i)
        print(pageurl)

    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 getdiji(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 diji
    
    
    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:
            title=(news.select('.news-list-title')[0].text) #标题
            url=news.select('a')[0]['href']       #网址
            day=(news.select('.news-list-info')[0].contents[0].text) #日期
            sorce=(news.select('.news-list-info')[0].contents[1].text) #来源
        
       
            resd=requests.get(url)
            resd.encoding='utf-8'
            soupd=BeautifulSoup(resd.text,"html.parser")
            textd=(soupd.select('.show-content')[0].text)#点击次数
    
            diji=getdiji(url)
            print(day,title,sorce,diji)
            
    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(''))
    page=n//10+1
    for i in range(2,7):
        pageurl='http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i)
        print(pageurl)

     
  • 相关阅读:
    JSP+Ajax站点开发小知识
    JavaScript向select下拉框中加入和删除元素
    debain install scim
    Xcode 5.1.1 与 Xcode 6.0.1 共存
    Oracle集合操作函数:Union、Union All、Intersect、Minus
    8皇后-----回溯法C++编程练习
    Copy-and-swap
    Android System Property 解析
    Android 仿PhotoShop调色板应用(二) 透明度绘制之AlphaPatternDrawable
    Android 仿PhotoShop调色板应用(一)概述
  • 原文地址:https://www.cnblogs.com/liulingyuan/p/7650071.html
Copyright © 2011-2022 走看看