爬取校园新闻列表

标签：href   title   链接   rom   主题   ret   for   .text   format   

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
   url=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘
   res=requests.get(url)
   res.encoding=‘utf-8‘
   soup=BeautifulSoup(res.text,‘html.parser‘)
   
   #获取点击次数
   def getclick(newurl):
       id=re.search(‘_(.*).html‘,newurl).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
   
   #获取网页内容
   def getonpages(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
               time=news.select(‘.news-list-info‘)[0].contents[0].text#时间
               url1=news.select(‘a‘)[0][‘href‘] #链接
               source=news.select(‘.news-list-info‘)[0].contents[1].text#来源
               description=news.select(‘.news-list-description‘)[0].text #内容
   
               resd=requests.get(url1)
               resd.encoding=‘utf-8‘
               soupd=BeautifulSoup(resd.text,‘html.parser‘)
               detail=soupd.select(‘.show-content‘)[0].text
   
               click=getclick(url1) #调用点击次数
               print(title,url1,click)
   
   
   
   count=int(soup.select(‘.a1‘)[0].text.rstrip("条"))
   pages=count//10+1
   for i in range(2,4):
       pagesurl="http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html".format(i)
       getonpages(pagesurl)

   

爬取校园新闻列表

标签：href   title   链接   rom   主题   ret   for   .text   format   

原文地址：http://www.cnblogs.com/xialuokesh/p/7655386.html