• 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:

    • 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()
    # -*- coding: utf-8 -*-
    import re
    import requests
    from bs4 import BeautifulSoup
    from datetime import datetime
    def click(url):
        clickurl='http://oa.gzcc.cn/api.php?op=count&id=&modelid=80'
        res=requests.get(clickurl)
        click=res.text.split('.html')[-1].lstrip("('").rstrip("');")
        return click
    def newsnum(url):
        newsid=re.match('http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0320/(.*).html',url).group(1)
        return newsid
    def newstime(url,soup):
        '''
        time=soup.select('.show-info')[0].text[5:24]
        time=soup.select('.show-info')[0].text.split()[0].lstrip('发布的时间为')
        time=soup.select('.show-info')[0].text.split()[0].lstrip('发布的内容为')
    ''' newsdate=soup.select('.show-info')[0].text.split()[0].split(':')[1] newstime=soup.select('.show-info')[0].text.split()[1] time=newsdate+' '+newstime time=datetime.strptime(time,'%Y-%m-%d %H:%M:%S') return time def news(url): res=requests.get(url) res.encoding='utf-8' soup=BeautifulSoup(res.text,'html.parser') title=soup.select('.show-title')[0].text author=soup.select('.show-info')[0].text.split()[2] auditor=soup.select('.show-info')[0].text.split()[3] comefrom=soup.select('.show-info')[0].text.split()[4] detail=soup.select('.show-content p')[0].text newsid=newsnum(url) time=newstime(url,soup) clicktime=click(url) p=print(newsid,title,time,author,auditor,comefrom,detail,clicktime) return p url="http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0320/11029.html" news(url)
    运行结果:



  • 相关阅读:
    VueJS
    Nacos 微服务注册发现配置中心
    精简自己20%的代码(异常的处理)
    lazarus 检测内存泄漏
    winsocket练习一 阻塞与select模型
    js原型链解析
    块元素 父子外边距现象
    行高的继承
    行内元素(文字)垂直平居中
    本地文件播放
  • 原文地址:https://www.cnblogs.com/068zhengda/p/10651371.html
Copyright © 2020-2023  润新知