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。
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。
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')
#获取点击次数
def getclick(newurl):
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(clickurl).text.split(".")[-1].lstrip("html('").rstrip("');"))
return click
#获取网页内容
def getonpages(listurl):
res=requests.get(listurl)
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
time=news.select('.news-list-info')[0].contents[0].text#时间
url1=news.select('a')[0]['href'] #链接
source=news.select('.news-list-info')[0].contents[1].text#来源
description=news.select('.news-list-description')[0].text #内容
resd=requests.get(url1)
resd.encoding='utf-8'
soupd=BeautifulSoup(resd.text,'html.parser')
detail=soupd.select('.show-content')[0].text
click=getclick(url1) #调用点击次数
print(title,url1,click)
count=int(soup.select('.a1')[0].text.rstrip("条"))
pages=count//10+1
for i in range(2,4):
pagesurl="http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html".format(i)
getonpages(pagesurl)