爬取全部的校園新聞

這個作業的要求來自於：

1.從新聞url獲取新聞詳情： 字典,anews

#獲取一篇新聞的全部資訊

import re
import requests
from bs4 import beautifulsoup
from datetime import datetime
#獲取點選次數
def click(url):
id=re.findall('(\d)',url)[-1]
clickurl=''.format(id)
resclick=requests.get(clickurl)
newsclick=int(resclick.text.split('.html')[-1].lstrip("('").rstrip("');"))
return newsclick
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):
newsdetail = {}
res=requests.get(url)
res.encoding='utf-8'
soup=beautifulsoup(res.text,'html.parser')
newsdetail['nenewstitle']=soup.select('.show-title')[0].text#標題
showinfo = soup.select('.show-info')[0].text
newsdetail['newsdt'] = newsdt(showinfo)
newsdetail['newsclick']=click(newsurl)
return newsdetail
newsurl=''
anews(newsurl)
#做成字典

*每個同學爬學號尾數開始的10個列表頁

4.設定合理的爬取間隔

5.用pandas做簡單的資料處理並儲存

儲存到csv或excel檔案 

newsdf.to_csv(r'f:\duym\爬蟲\gzccnews.csv')

儲存到資料庫

爬取全部的校園新聞

1 從新聞url獲取新聞詳情 2 從列表頁的url獲取新聞url 3 生成所頁列表頁的url並獲取全部新聞 4 設定合理的爬取間隔 5 用pandas做簡單的資料處理並儲存成csv和sql檔案 import requests from bs4 import beautifulsoup from da...

爬取全部的校園新聞

本次作業 於 import包 import re import requests from bs4 import beautifulsoup from datetime import datetime import time import random import pandas as pd 0.從...

爬取全部的校園新聞

本次作業的要求來自於 0.從新聞url獲取點選次數，並整理成函式 1.熟練運用re.search match findall 2.從新聞url獲取新聞詳情 字典,anews import requests from bs4 import beautifulsoup from datetime imp...