爬取校园新闻

def getNewsId(url):

    newsId = re.findall(r'\_(.*).html', newsUrl)[0][-4:]

    clickUrl = 'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newsId)

    clickRes = requests.get(clickUrl)

    # 利用正则表达式获取新闻点击次数

    clickCount = int(re.search("hits').html('(.*)');", clickRes.text).group(1))

    return clickCount

 

 

# 获取新闻细节

def getNewsDetail(newsUrl):

    resd = requests.get(newsUrl)

    resd.encoding = 'utf-8'

    soupd = BeautifulSoup(resd.text, 'html.parser')

 

    content = soupd.select('#content')[0].text

    info = soupd.select('.show-info')[0].text

    # 调用getNewsId()获取点击次数

    count = getNewsId(newsUrl)

    print(info)

    # 识别时间格式

    date = re.search('(d{4}.d{2}.d{2}sd{2}.d{2}.d{2})', info).group(1)

    # 识别一个至三个数据

    author = re.search('作者：((.{3}s){1,3})', info).group(1)

    check = re.search('审核：((.{3}s){1,3})', info).group(1)

    sources = re.search('来源：((.{3}s){1,3})', info).group(1)

    # 用datetime将时间字符串转换为datetime类型

    dateTime = datetime.strptime(date, '%Y-%m-%d %H:%M:%S')

    # 利用format对字符串进行操作

    print('发布时间：{0} 作者：{1} 审核：{2} 来源：{3} 点击次数：{4}'.format(dateTime, author, check, sources, count))

    print(content)

 

str = requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/') str.encoding = 'utf-8' from bs4 import BeautifulSoup soup=BeautifulSoup(str.text,'html.parser') #print(soup) d=soup.select('li') for news in d: if len(news.select('.news-list-title')) > 0: t=print(news.select('.news-list-title')[0].text) a=news.select('a')[0].attrs print(a['href']) strd = requests.get(a['href']) strd.encoding = 'utf-8' soupd = BeautifulSoup(strd.text, 'html.parser') cont=soupd.select('#content') timet=soupd.select('.show-info') print(timet[0].text[0:25]) print(timet[0].text[30:38]) print(timet[0].text[38:45]) print(timet[0].text[46:56]) print(timet[0].text[62:])