爬取新闻列表

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。

def shownews(url):
    res=requests.get(url)
    res.encoding='utf-8'
    soup=BeautifulSoup(res.text,'html.parser')
    for news in soup.select('li'):
        if len((news.select('.news-list-title')))>0:
            time=news.select('.news-list-info')[0].span.text #时间
            title=news.select('.news-list-title')[0].contents[0] #标题
            url1=news.select('a')[0]['href'] #链接
            source=news.select('.news-list-info')[0].select('span')[1].text #来源

            resd=requests.get(url1)
            resd.encoding='utf-8'
            soupd=BeautifulSoup(resd.text,'html.parser')
            detail=soupd.select('.show-content')[0].text #内容
            getclick(url1)#点击数
            print( "标题:",title,"\t时间:",time,"\t链接:",url1,"来源:",source,"\t点击数:",getclick(url1),"\t内容:",detail)
            print("#################################################################################")

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
url0='http://news.gzcc.cn/html/xiaoyuanxinwen/'
res=requests.get(url0)
res.encoding='utf-8'
soup=BeautifulSoup(res.text,'html.parser')
##print(res.text)
print("#################################################################################\n#######################################################")

def getpage():
    lists=int(soup.select('.a1')[0].text.rstrip("条"))
    page=lists//10+1
    return page

def getclick(url2):
    id=re.search('_(.*).html',url2).group(1).split("/")[1]
    url3=('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id))
    click=int(requests.get(url3).text.split('.')[-1].lstrip(".html('").rstrip("');"))
    return click
def shownews(url):
    res=requests.get(url)
    res.encoding='utf-8'
    soup=BeautifulSoup(res.text,'html.parser')
    for news in soup.select('li'):
        if len((news.select('.news-list-title')))>0:
            time=news.select('.news-list-info')[0].span.text #时间
            title=news.select('.news-list-title')[0].contents[0] #标题
            url1=news.select('a')[0]['href'] #链接
            source=news.select('.news-list-info')[0].select('span')[1].text #来源

            resd=requests.get(url1)
            resd.encoding='utf-8'
            soupd=BeautifulSoup(resd.text,'html.parser')
            detail=soupd.select('.show-content')[0].text #内容
            getclick(url1)#点击数
            print( "标题:",title,"\t时间:",time,"\t链接:",url1,"来源:",source,"\t点击数:",getclick(url1),"\t内容:",detail)
            print("#################################################################################")

shownews(url0)

for i in range(2,getpage()+1):
    url4=('http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i))
    shownews(url4)

结果：

 

转载于:https://www.cnblogs.com/huanglinxin/p/7650945.html