获取一篇新闻的全部信息
给定一篇新闻的链接newsUrl,获取该新闻的全部信息 标题、作者、发布单位、审核、来源 发布时间:转换成datetime类型 点击:
整个过程包装成一个简单清晰的函数。 ? 尝试去爬取一个你感兴趣的网页。 ? ? import requests from bs4 import BeautifulSoup url=‘ http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0329/11095.html‘ res=requests.get(url) res.encoding=‘utf-8‘ res.text ? ? ? ? ? soup=BeautifulSoup(res.text,‘html.parser‘) soup.head ? ? ? ? ? soup=BeautifulSoup(res.text,‘html.parser‘) title=soup.select(‘.show-title‘)[0].text time=soup.select(‘.show-info‘)[0].text[5:24] time=soup.select(‘.show-info‘)[0].text.split()[0].lstrip(‘发布时间‘) detail=soup.select(‘.show-content p‘)[0].text ? ? ? ? ? soup.select(‘.show-title‘)[0].text ? ? soup.select(‘.show-info‘)[0].text[5:24] ? ? ? soup.select(‘.show-info‘)[0].text.split()[0].lstrip(‘发布时间‘) ? ? ? ? ? ? from datetime import datetime now = datetime.now() now.day ? ? ? dt=datetime(2019,4,1) dt.second ? showinfo=soup.select(‘.show-info‘)[0].text newsDate=showinfo.split()[0].split(‘:‘)[1] newsTime=showinfo.split()[1] newsDT=newsDate+‘ ‘+newsTime newsDT ? ? ? ? type(newsDT) ? ? ? ? from datetime import datetime now=datetime.now() now ? ? now.year ? ? ? newsdt=datetime(2019,1) dt.second ? ? newsdt=datetime.strptime(newsDT,‘%Y-%m-%d %H:%M:%S‘) newsdt ? ? ? ? newsdt.strftime(‘%B%d,%y %A‘) ? ? ? now.strftime(‘%Y{y}%m{m}%d{d} %U{a}%w %H{h}%M{f}%S{s}%p‘).format(y=‘年‘,m=‘月‘,d=‘日‘,h=‘时‘,f=‘分‘,s=‘秒‘,a=‘周 星期‘) ? ? ? url=‘ http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0329/11095.html‘ clickUrl=‘http://oa.gzcc.cn/api.php?op=count&id=11029&modelid=80‘ res=requests.get(clickUrl) res.text ? ? ? url=‘ http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0329/11095.html‘ clickUrl=‘http://oa.gzcc.cn/api.php?op=count&id=11029&modelid=80‘ res=requests.get(clickUrl) newsClick=int(res.text.split(‘.html‘)[-1].lstrip("(‘").rstrip("‘);")) newsClick ? ? import re re.match(‘ http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0329/(.*).html‘,url).group(1) ? (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |