码迷,mamicode.com
首页 > 其他好文 > 详细

爬取新闻列表

时间:2017-10-11 12:51:06      阅读:131      评论:0      收藏:0      [点我收藏+]

标签:hits   .text   requests   tle   news   blog   alt   utf-8   htm   

  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。
  5. 完成自己所选其他主题相应数据的爬取工作。

 

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)
li =soup.select(li)
def hits(newsurl):
    id=re.search(_(.*).html,newsurl).group(1).split(/)[1]
    clickurl=http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80.format(id)
    click=int(requests.get(clickurl).text.split(.)[-1].lstrip("html(‘").rstrip("‘);"))
    return click

def getonepage(listurl):
    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]
            time=news.select(.news-list-info)[0].contents[0].text
            dt=datetime.strptime(time,%Y-%m-%d)
            source=news.select(.news-list-info)[0].contents[1].text

            resd=requests.get(url)
            resd.encoding=utf-8
            soupd=BeautifulSoup(resd.text,html.parser)
            detail=soupd.select(.show-content)[0].text
            click=hits(url)
            print(time,title,dt,source,click)
            
getonepage(li)

pages=int(soup.select(.a1)[0].text.rstrip())//10+1

for i in range(2,pages+1):
    url_page="http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html".format(i)
    res_page=requests.get(url_page)
    res_page.encoding=utf-8
    soup_page=BeautifulSoup(res.text,html.parser)
    list_page=soup.select(li)
    getonepage(list_page)

 

技术分享

 

爬取新闻列表

标签:hits   .text   requests   tle   news   blog   alt   utf-8   htm   

原文地址:http://www.cnblogs.com/toronad/p/7649805.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!