獲取一篇新聞的所有信息

獲取一篇新聞的所有信息

做業要求來自於https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2894

給定一篇新聞的連接newsUrl，獲取該新聞的所有信息

標題、做者、發佈單位、審覈、來源

發佈時間:轉換成datetime類型

點擊：

• newsUrl
• newsId(使用正則表達式re)
• clickUrl(str.format(newsId))
• requests.get(clickUrl)
• newClick(用字符串處理，或正則表達式)
• int()

整個過程包裝成一個簡單清晰的函數。

具體代碼以下：

 

 1 # 獲取一篇新聞的所有信息
 2 import re
 3 import requests
 4 from bs4 import BeautifulSoup
 5 from datetime import datetime
 6 
 7 
 8 # 獲取新聞id
 9 def newsnum(url):
10     newsid = re.match('http://news.gzcc.cn/html/2018/meitishijie_0323/(.*).html', url).group(1)
11     return newsid
12 
13 
14 # 發佈時間:datetime類型
15 def newstime(soup):
16     newsdate = soup.select('.show-info')[0].text.split()[0].split(':')[1]
17     newstime = soup.select('.show-info')[0].text.split()[1]
18     time = newsdate + ' ' + newstime
19     time = datetime.strptime(time, '%Y-%m-%d %H:%M:%S')
20     return time
21 
22 
23 # 獲取點擊次數
24 def click(url):
25     id = re.findall('(\d{1,5})', url)[-1]
26     clickUrl = 'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)
27     res = requests.get(clickUrl)
28     newsClick = res.text.split('.html')[-1].lstrip("('").rstrip("');")
29     newsDJ = '點擊次數：' + newsClick + '次'
30     return newsDJ
31 
32 # 主函數
33 def main(url):
34     res = requests.get(url)
35     res.encoding = 'utf-8'
36     soup = BeautifulSoup(res.text, 'html.parser')
37     print("新聞編號:" + newsnum(url));                       # 新聞編號id
38     print("標題:" + soup.select('.show-title')[0].text);     # 標題
39     print("發佈時間:" + str(newstime(soup)));                # 發佈時間
40     print(click(url))
41     print(soup.select('.show-info')[0].text.split()[2]);     # 做者
42     print(soup.select('.show-info')[0].text.split()[3]);     # 審覈
43     print(soup.select('.show-info')[0].text.split()[4]);     # 來源
44     print("內容:" + soup.select('.show-content')[0].text); # 內容
45     return
46 
47 url = "http://news.gzcc.cn/html/2018/meitishijie_0323/9085.html"
48 main(url)

news

 

運行截圖以下：