【大数据作业六】获取一篇新闻的全部信息

作业要求来自：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/2894

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。

 主要代码：

import requests
import re
from bs4 import BeautifulSoup
def click(url):
    id=re.findall('(d{1,5})',url)[-1]
    clickUrl='http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)
    res=requests.get(clickUrl)
    newsClick=res.text.split('.html')[-1].lstrip("('").rstrip("');")
    newsDJ='点击次数：'+newsClick+'次'
    return newsDJ​-
def newsdt(showinfo):
    newsDate=showinfo.split()[0].split(':')[1]
    newsTime=showinfo.split()[1]
    newsDT=newsDate+' '+newsTime
    dt=datetime.strptime(newsDT,'%Y-%m-%d %H:%M:%S')
    return dt
def anews(url):
    res=requests.get('http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0328/11080.html')
    res.encoding='utf-8'
    soup=BeautifulSoup(res.text,'html.parser')
    title=soup.select('.show-title')[0].text
    newsTitle='新闻标题：'+title
    time=soup.select('.show-info')[0].text[5:24]
    time=soup.select('.show-info')[0].text.split()[0].lstrip('发布时间:')
    newsDate='发布日期：'+time
    shenyuan=soup.select('.show-info')[0].text[38:43]
    laiyuan=soup.select('.show-info')[0].text[46:56]
    bianhao=re.findall('(d{1,5})',url)[-1]
    newsBH='新闻编号：'+bianhao
    detail=soup.select('.show-content p')[0].text[2:1000]
    newsDetail='新闻内容：'+detail
    pr=(newsTitle,newsDate,newsBH,shenyuan,laiyuan,newsDetail)
    return pr
url='http://news.gzcc.cn/html/2019/xiaoyuanxinwen_0328/11080.html'
print(click(url))
print(anews(url))

显示结果：