代码改变世界

爬取校园网新闻

2017-10-12 21:10  421徐均钧  阅读(222)  评论(0编辑  收藏  举报

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)