做了个简单的post请求爬虫,爬取广东省科技厅关于创新的新闻

5 篇文章 0 订阅
2 篇文章 0 订阅

朋友的课程设计需要用到数据,叫我帮个忙,好久没做爬虫了,有些生了,当时分析网页发现是post请求,然后去找了请求的地址,发现from-data要传的数据没多少,发生变化的只有keywords跟page,那简单了,你要什么,我就给你什么,返回json数据,loads成字典,拿到详情页url,再requests发get请求,响应结果用lxml的etree.HTML转换给xpah提取数据,数据直接插入数据库,好了。

import requests
import json
import re
import time
from pymysql import connect

headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/84.0.4147.89 Safari/537.36'}
url = "http://search.gd.gov.cn/api/search/all"
def run():
    for i in range(1, 220):
        d = {'gdbsDivision': '440000',
             'gdbsOrgNum': '006939801',
            'keywords': '创新',
            'page': i,
            'position': 'title',
            'range': 'site',
            'service_area': 1,
            'site_id': '172',
            'sort': 'smart'}

        res = requests.post(url=url, headers=headers, data=d)
        res = json.loads(res.content.decode())
        data = res['data']['news']['list']
        # print(data)
        for b in data:
            title = b['title']
            title = str(re.sub('(</em>|<em>|&rdquo;|&ldquo;)', '', title))

            content = b['content']
            content = str(re.sub('(&ldquo;|&rdquo;|\n|\u3000)', '', content))

            link = b['url']
            # requests.get(headers=headers, url=link)

            publisher_src = b['publisher_src']

            k = c.cursor()
            try:
                sql = 'insert into data3(title,content,publisher_src,url) values("%s","%s","%s","%s");'%(title, content, publisher_src, link)
                k.execute(sql)
            except:
                print('出错')
            print(sql)
            k.close()
            c.commit()
    time.sleep(2)


if __name__ == '__main__':
    c = connect(host='localhost', user='root', password='root', port=3306, db='kj', charset='utf8')
    run()

拿走

  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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