标签：contents sts utf-8 bre toolbar 完成 amp 文章 新闻列表
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
from datetime import datetime
url=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘
res=requests.get(url)
res.encoding=‘utf-8‘
soup=BeautifulSoup(res.text,‘html.parser‘)
def getclicks(current_urls):
id = re.search("_(.*).html",current_urls).groups()[0].split(‘/‘)[1]
click =int(requests.get(‘http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80‘.format(id)).text.split(‘.‘)[-1].lstrip("html(‘").rstrip("‘);"))
return click
#每一页文章明细
def getfirstpages(url24):
res=requests.get(url24)
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
time=news.select(‘.news-list-info‘)[0].contents[0].text#时间
url1=news.select(‘a‘)[0][‘href‘]#url
bumen=news.select(‘.news-list-info‘)[0].contents[1].text#院系
description=news.select(‘.news-list-description‘)[0].text#明细（文章）
resd=requests.get(url1)
resd.encoding=‘utf-8‘
soupd=BeautifulSoup(resd.text,‘html.parser‘)
detail = soupd.select(‘.show-content‘)[0].text #内容
count = getclicks(url1)#调用函数
#re.match(‘http://news.gzcc.cn/html/2017/xiaoyuanxinwen_1001/(.*).html‘,url).groups()
print(title,count)
#print(detail)
#break
n =int(soup.select(‘.a1‘)[0].text.rstrip(‘条‘))
number = n // 10 + 1
for i in range(2,number+1):
url01=‘http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html‘.format(i)
getfirstpages(url01)
import requests
from bs4 import BeautifulSoup
from datetime import datetime
url=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘
res=requests.get(url)
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
time=news.select(‘.news-list-info‘)[0].contents[0].text#时间
url1=news.select(‘a‘)[0][‘href‘]#url
bumen=news.select(‘.news-list-info‘)[0].contents[1].text
description=news.select(‘.news-list-description‘)[0].text
resd=requests.get(url1)
resd.encoding=‘utf-8‘
soupd=BeautifulSoup(resd.text,‘html.parser‘)
detail = soupd.select(‘.show-content‘)[0].text
print(detail)
break
import requests
from bs4 import BeautifulSoup
from datetime import datetime
url=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘
res=requests.get(url)
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
time=news.select(‘.news-list-info‘)[0].contents[0].text#时间
url1=news.select(‘a‘)[0][‘href‘]#url
bumen=news.select(‘.news-list-info‘)[0].contents[1].text
description=news.select(‘.news-list-description‘)[0].text
resd=requests.get(url1)
resd.encoding=‘utf-8‘
soupd=BeautifulSoup(resd.text,‘html.parser‘)
detail = soupd.select(‘.show-content‘)[0].text #内容
click = requests.get(‘http://oa.gzcc.cn/api.php?op=count&id=8249&modelid=80‘).text.split(‘.‘)[-1].lstrip("html(‘").rstrip("‘);")
print(click)
print(detail)
break
标签：contents sts utf-8 bre toolbar 完成 amp 文章 新闻列表
原文地址：http://www.cnblogs.com/kinoko/p/7684996.html
