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:
    深度谈谈单例模式
    高并发的下的数据库设计
    D3开发中的资料整理
    IIS配置过程中的常见问题
    css3常用动画+动画库
    非常实用的10款网站数据实时分析工具
    Jquery中AJAX参数详细介绍
    首次使用Vue开发
    js 鼠标拖拽元素
    Oracle涂抹oracle学习笔记第10章Data Guard说,我就是备份
  • 原文地址:https://www.cnblogs.com/liulingyuan/p/7650071.html
Copyright © 2011-2022 走看看