- 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。
- 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。
- 获取所有新闻列表页的网址，调用上述函数。
- 完成所有校园新闻的爬取工作。
- 完成自己所选其他主题相应数据的爬取工作。
import requestsimport refrom bs4 import BeautifulSoupfrom datetime import datetimeurl='http://news.gzcc.cn/html/xiaoyuanxinwen/'res=requests.get(url)res.encoding='utf-8'soup = BeautifulSoup(res.text,'html.parser')li =soup.select('li')def hits(newsurl): id=re.search('_(.*).html',newsurl).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 clickdef getonepage(listurl): for news in soup.select('li'): if len(news.select('.news-list-title'))>0: title=news.select('.news-list-title')[0].text url=news.select('a')[0]['href'] time=news.select('.news-list-info')[0].contents[0].text dt=datetime.strptime(time,'%Y-%m-%d') source=news.select('.news-list-info')[0].contents[1].text resd=requests.get(url) resd.encoding='utf-8' soupd=BeautifulSoup(resd.text,'html.parser') detail=soupd.select('.show-content')[0].text click=hits(url) print(time,title,dt,source,click) getonepage(li)pages=int(soup.select('.a1')[0].text.rstrip('条'))//10+1for 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)
