获取一篇新闻的全部信息

作业要求来自于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。

具体代码如下：

import requests
from bs4 import BeautifulSoup
from datetime import datetime
import re

#点击次数
def click(url):
    id = re.findall('(d{1,5})',url)[-1]#返回所有匹配的字符串的字符串列表的最后一个
    clickUrl = 'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(id)
    resClick = requests.get(clickUrl)
    newsClick = int(resClick.text.split('.html')[-1].lstrip("('").rstrip("');"))
    return newsClick
#时间
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')#转换成datetime类型
    return dt
#内容
def anews(url):
    res = requests.get(url)
    res.encoding = 'utf-8'
    soup = BeautifulSoup(res.text,'html.parser')
    newsTitle = soup.select('.show-title')[0].text#标题
    showinfo = soup.select('.show-info')[0].text
    newsDT = newsdt(showinfo)#时间
    newsAuthor = soup.select('.show-info')[0].text.split()[2].lstrip('作者：')#作者
    newsAuditing = soup.select('.show-info')[0].text.split()[3].lstrip('审核：')#审核
    newsSource = soup.select('.show-info')[0].text.split()[4].lstrip('来源：')#来源
    newsClick = click(newsUrl)#点击次数
    newsDetail = soup.select('.show-content')[0].text#内容
    pr =print('标题:'+newsTitle,'
时间:',newsDT,'
作者:'+newsAuthor,'
审核:'+newsAuditing,'
来源:'+newsSource,'
阅读量:',newsClick,'次
新闻内容:'+newsDetail)
    return pr

newsUrl = 'http://news.gzcc.cn/html/2019/tongzhigonggao_0326/11069.html'
anews(newsUrl)

结果如下：

转载于:https://www.cnblogs.com/kunnkkk/p/10635576.html