获取一篇新闻的全部信息

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。

 

 1 import re
 2 import requests
 3 from bs4 import BeautifulSoup
 4 from datetime import datetime
 5 
 6 #获取新闻的所有信息
 7 def news(url):
 8     res = requests.get(url)
 9     res.encoding = 'utf-8'
10     soup = BeautifulSoup(res.text,'html.parser')
11     newsTitle = soup.select('.show-title')[0].text #标题
12     author = soup.select('.show-info')[0].text.split()[2] #作者
13     auditor = soup.select('.show-info')[0].text.split()[3] #审核
14     source = soup.select('.show-info')[0].text.split()[4] #来源
15     showinfo = soup.select('.show-info')[0].text
16     newsday = newsdt(showinfo) #时间
17     newsclick = click(url) #点击次数
18     news = print(newsTitle,newsday,author,auditor,source,newsclick)
19     return news
20 
21 #获取点击量
22 def click(url):
23     clickurl='http://oa.gzcc.cn/api.php?op=count&id=10789&modelid=80'
24     res=requests.get(clickurl)
25     click=res.text.split('.html')[-1].lstrip("('").rstrip("');")
26     return click
27 
28 #获取发布时间
29 def newsdt(url):
30     soup = BeautifulSoup(res.text,'html.parser')
31     showinfo = soup.select('.show-info')[0].text
32     newsdate=showinfo.split()[0].split(':')[1]
33     newstime=showinfo.split()[1]
34     newsday=newsdate+' '+newstime
35     dt=datetime.strptime(newsday,'%Y-%m-%d  %H:%M:%S')
36     return dt
37 
38 
39 
40 url='http://news.gzcc.cn/html/2018/xiaoyuanxinwen_1227/10789.html'
41 news(url)

运行代码

运行结果截图

转载于:https://www.cnblogs.com/hjyjy/p/10637469.html