爬取所有校园新闻

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。

   #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,#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。
   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,#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。
   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)
   
   
   #获取所有新闻列表页的网址，调用上述函数。
   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)

   

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
   
   def page(url):
       re=requests.get(url)
       re.encoding="utf-8"
       soup=BeautifulSoup(re.text,'html.parser',from_encoding="utf-8")
       s=soup.select("div")
       s1=soup.select(".breadcrumb-wrapper")[0].text
       
       if soup.select(".breadcrumb-wrapper")[0].text=="伯乐在线 > 首页 > 404":      
           return 0
           
       for i in s:
           if len(i.select(".post-meta"))>0:
               title=i.select(".post-meta")[0].text        
               print(title)
    
   
          
   i = 1
   while(i<554):
       urlpage="http://blog.jobbole.com/all-posts/page/{}".format(i)
       i=i+1
       print(page(urlpage))  
       if page(urlpage)==0:
           break
       print(urlpage,i)