爬取博客列表

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‘)

n=int(soup.select(‘.a1‘)[0].text.rstrip(‘条‘))
pages=n//10+1
for i in range(2,pages+1):
    pagesurl=‘http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html‘.format(i)
    print(pagesurl)

import requests
import re
from bs4 import BeautifulSoup
def getclick(newurl):    #函数：采用匹配方式，动态获取每一文章点击次数
    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(‘http://oa.gzcc.cn/api.php?op=count&id=4662&modelid=80‘).text.split(‘.‘)[-1].lstrip("html(‘").rstrip("‘);"))
    return click

def getonepages(eveylisturl):  #函数：每一页的每一文章
    res=requests.get(eveylisturl)
    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
            time=news.select(‘.news-list-info‘)[0].contents[0].text#时间
            bumen=news.select(‘.news-list-info‘)[0].contents[1].text#院系
            #txt=news.select(‘.news-list-description‘)[0].text #正文

            resd=requests.get(url)
            resd.encoding=‘utf-8‘
            soupd=BeautifulSoup(resd.text,‘html.parser‘)
            detail=soupd.select(‘.show-content‘)[0].text #获取正文
            count=getclick(url)      #调用函数获得文章的点击次数
  
            print(title,count)

gzcc=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘  #函数开头
res=requests.get(gzcc)
res.encoding=‘utf-8‘
soup=BeautifulSoup(res.text,‘html.parser‘)

        
     
n=int(soup.select(‘.a1‘)[0].text.rstrip(‘条‘))
pages=n//10+1                    #计算多少条多少页
for i in range(2,5):
    pagesurl=‘http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html‘.format(i)
    getonepages(pagesurl)