python 10.12作业

  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。
  5. 完成自己所选其他主题相应数据的爬取工作。
import requests
from bs4 import BeautifulSoup
from datetime import datetime
import re
res=requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/')
res.encoding='utf-8'
soup =BeautifulSoup(res.text,'html.parser')
li =soup.select('li')

def getclick(nevsurl):
    id = re.match('http://news.gzcc.cn/html/2017/xiaoyuanxinwen_(.*)html',nevsurl).groups()[0].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)
    

def getonepage(listurl):
    for news in soup.select('li'):
        if len(news.select('.news-list-title'))>0:
            t = news.select('.news-list-title')[0].text
            a = news.select('a')[0]['href']
            d = news.select('.news-list-info')[0].contents[0].text
            dt = datetime.strptime(d,'%Y-%m-%d')
            s = news.select('.news-list-info')[0].contents[1].text
       

            res1 = requests.get(a)
            res1.encoding = 'utf-8'
            soup1 =BeautifulSoup(res1.text,'html.parser')
            ar =soup1.select('.show-content')[0]
            click=getclick(a)

            print(click,t,dt,s,a,ar)

getonepage(li)

pages=int(soup.select('.a1')[0].text.rstrip(''))//10+1

for i in range(2,pages+1):
    url_page="http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html".format(i)
    res_page=requests.get(url_page)
    res_page.encoding='utf-8'
    soup_page=BeautifulSoup(res.text,'html.parser')
    list_page=soup.select('li')
    getonepage(list_page)
break

       

posted @ 2017-10-12 11:23  448钟瑞灿  阅读(152)  评论(0编辑  收藏  举报