码迷,mamicode.com
首页 > 其他好文 > 详细

获取一篇新闻的全部信息

时间:2019-04-03 22:29:15      阅读:154      评论:0      收藏:0      [点我收藏+]

标签:表达   soup   html   news   audit   正则表达   com   信息   表达式   

给定一篇新闻的链接newsUrl,获取该新闻的全部信息

标题、作者、发布单位、审核、来源

发布时间:转换成datetime类型

点击:

  • newsUrl
  • newsId(使用正则表达式re)
  • clickUrl(str.format(newsId))
  • requests.get(clickUrl)
  • newClick(用字符串处理,或正则表达式)
  • int()

整个过程包装成一个简单清晰的函数。

 

尝试去爬取一个你感兴趣的网页。

import re
import requests
from bs4 import BeautifulSoup
from datetime import datetime



def news(url):
    res = requests.get(url)
    res.encoding = ‘utf-8‘
    soup = BeautifulSoup(res.text, ‘html.parser‘)
    newsTitle = soup.select(‘.show-title‘)[0].text  
    author = soup.select(‘.show-info‘)[0].text.split()[2]  
    auditor = soup.select(‘.show-info‘)[0].text.split()[3]  
    source = soup.select(‘.show-info‘)[0].text.split()[4]  
    showinfo = soup.select(‘.show-info‘)[0].text
    newsday = newsdt(showinfo)  
    newsclick = click(url)  
    news = print(newsTitle, newsday, author, auditor, source, newsclick)
    return news



def click(url):
    id=int(re.findall(‘_(.*).html‘,url)[0].split(‘/‘)[1])
    clickurl = ‘http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80‘.format(id)
    res = requests.get(clickurl)
    click = res.text.split(‘.html‘)[-1].lstrip("(‘").rstrip("‘);")
    return click


def newsdt(showinfo):
    newsdate = showinfo.split()[0].split(‘:‘)[1]
    newstime = showinfo.split()[1]
    newsday = newsdate + ‘ ‘ + newstime
    dt = datetime.strptime(newsday, ‘%Y-%m-%d %H:%M:%S‘)
    return dt

url = ‘https://www.chinanews.com‘
news(url)

获取一篇新闻的全部信息

标签:表达   soup   html   news   audit   正则表达   com   信息   表达式   

原文地址:https://www.cnblogs.com/zzzj/p/10651444.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!