爬取大河新闻网新闻

#新闻爬虫
#需求:将大河网新闻所有新闻爬到本地
#思路:
#先爬首页,通过正则表达式获取所有新闻链接
#然后依次爬各新闻,并存储到本地
import re
import os
import urllib.request
import urllib.error
import random
my_heardrs=[
"Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36",
"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14",  
"Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)"
]
random_header=random.choice(my_heardrs)

heardr=("User-Agent",random_header)

opener=urllib.request.build_opener()
opener.addheaders=[heardr]

mainurl="https://www.dahe.cn/"
data=urllib.request.urlopen(mainurl,timeout=1).read().decode('utf-8')

pat='''<li class="dh_modular_news"><a href="(.*?)" target="_blank">(.*?)</a>'''
rst=re.compile(pat).findall(str(data))
fh1=open("C:\\Users\\gaoxingyuan\\Desktop\\大河网新闻链接.txt","w")

for i in range(0,len(rst)):
    end=str(rst[i][1])+':'+str(rst[i][0])
    fh1.write(end+"\n")
    try:
        url=rst[i][0]
        news=opener.open(str(rst[i][0])).read()
        #如果没有该目录则创建该目录
        if not os.path.exists("C:\\Users\\gaoxingyuan\\Desktop\\大河网新闻\\"):
            os.mkdir("C:\\Users\\gaoxingyuan\\Desktop\\大河网新闻\\")
        fh2=open("C:\\Users\\gaoxingyuan\\Desktop\\大河网新闻\\大河网新闻.html","wb")
        fh2.write(news)
        fh2.close() 
        if os.path.exists("C:\\Users\\gaoxingyuan\\Desktop\\大河网新闻\\大河网新闻.html")==True:
            newname=str(rst[i][1])
            os.rename("C:\\Users\\gaoxingyuan\\Desktop\\大河网新闻\\大河网新闻.html","C:\\Users\\gaoxingyuan\\Desktop\\大河网新闻\\"+newname+".html")
    except Exception as e:
        print(e)

fh1.close()




    
    

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值