加入收藏 | 设为首页 | 会员中心 | 我要投稿 李大同 (https://www.lidatong.com.cn/)- 科技、建站、经验、云计算、5G、大数据,站长网!
当前位置: 首页 > 百科 > 正文

获取一篇新闻的全部信息

发布时间:2020-12-14 06:08:30 所属栏目:百科 来源:网络整理
导读: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: newsUrl newsId( 使用正则表达式 re) clickUrl(str.format(newsId)) requests.get(clickUrl) newClick( 用字符串处理,或正则

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:

  • newsUrl
  • newsId(使用正则表达式re)
  • clickUrl(str.format(newsId))
  • requests.get(clickUrl)
  • newClick(用字符串处理,或正则表达式)
  • int()

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!

    推荐文章
      热点阅读