java爬虫抓取校园新闻_爬取全部的校园新闻

1.从新闻url获取新闻详情： 字典,anews

2.从列表页的url获取新闻url：列表append(字典) alist

3.生成所页列表页的url并获取全部新闻 ：列表extend(列表) allnews

*每个同学爬学号尾数开始的10个列表页

4.设置合理的爬取间隔

import time

import random

time.sleep(random.random()*3)

5.用pandas做简单的数据处理并保存

保存到csv或excel文件

newsdf.to_csv(r‘F:duym爬虫gzccnews.csv‘)

保存到数据库

import sqlite3with sqlite3.connect(‘gzccnewsdb.sqlite‘) as db:    newsdf.to_sql(‘gzccnewsdb‘,db)

import requests

from bs4 import BeautifulSoup

from datetime import datetime

import re

import sqlite3

import pandas as pd

import time

import pandas

import random

def click(url):

id=re.findall(‘d[1,5]‘,url)[-1]

clickUrl=‘http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80‘.format(id)

resClick=requests.get(clickUrl)<