爬取校園新聞

1. 用requests庫和BeautifulSoup庫，爬取校園新聞首頁新聞的標題、連接、正文、show-info。

2. 分析info字符串，獲取每篇新聞的發佈時間，做者，來源，攝影等信息。

3. 將字符串格式的發佈時間轉換成datetime類型

4. 使用正則表達式取得新聞編號

5. 生成點擊次數的Request URL

6. 獲取點擊次數

7. 將456步驟定義成一個函數 def getClickCount(newsUrl):

8. 將獲取新聞詳情的代碼定義成一個函數 def getNewDetail(newsUrl):

9. 嘗試用使用正則表達式分析show info字符串，點擊次數字符串。

 

import requests
from bs4 import BeautifulSoup
from datetime import datetime
import re
res = requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/')
res.encoding = 'utf-8'
soup = BeautifulSoup(res.text, 'html.parser')


# 獲取新聞點擊次數
def getNewsId(url):
    newsId = re.findall(r'\_(.*).html', url)[0][-4:]
    clickUrl = 'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newsId)
    clickRes = requests.get(clickUrl)
    # 利用正則表達式獲取新聞點擊次數
    clickCount = int(re.search("hits'\).html\('(.*)'\);", clickRes.text).group(1))
    return clickCount


# 獲取新聞細節
def getNewsDetail(newsUrl):
    resd = requests.get(newsUrl)
    resd.encoding = 'utf-8'
    soupd = BeautifulSoup(resd.text, 'html.parser')

    content = soupd.select('#content')[0].text
    info = soupd.select('.show-info')[0].text
    # 調用getNewsId()獲取點擊次數
    count = getNewsId(newsUrl)# 識別時間格式
    date = re.search('(\d{4}.\d{2}.\d{2}\s\d{2}.\d{2}.\d{2})', info).group(1)
    # 識別一個至三個數據
    author = re.search('做者：((.{3}\s){1,3})', info).group(1)
    check = re.search('審覈：((.{3}\s){1,3})', info).group(1)
    sources = re.search('來源：((.{3}\s){1,3})', info).group(1)
    # 用datetime將時間字符串轉換爲datetime類型
    dateTime = datetime.strptime(date, '%Y-%m-%d %H:%M:%S')
    # 利用format對字符串進行操做
    print('發佈時間：{0}\n做者：{1}\n審覈：{2}\n來源：{3}\n點擊次數：{4}'.format(dateTime, author, check, sources, count))
    print(content)


for new in soup.select('li'):
    if len(new.select('.news-list-title')) > 0:
        title = new.select('.news-list-title')[0].text
        description = new.select('.news-list-description')[0].text
        newsUrl = new.select('a')[0]['href']

        print('標題:{0}\n內容:{1}\n連接:{2}'.format(title, description, newsUrl))
        # 調用getNewsDetail()獲取新聞詳情
        getNewsDetail(newsUrl)
        break

 

結果：