蚌埠学院官网综合新闻条目抓取

简介:

蚌埠学院综合新闻
QQ图片20181016133347.png

2.png

import requests
from bs4 import BeautifulSoup
from requests.exceptions import RequestException
import json

def get_one_page(url):
    try:
        headers = {
            'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 Safari/537.36'
        } 
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None

def page_parser(html):
    soup = BeautifulSoup(html,'lxml')
    
    for td in soup.find_all(name='td',attrs={'height':24}):
        # 超链接
        href = 'http://www.bbc.edu.cn' + td.find(name='td').a.attrs['href']
        # 标题
        title = td.find(name='td').a.font.string
        # 发布时间
        postTime = td.find(class_='postTime').string
        yield {
            'href':href,
            'title':title,
            'postTime':postTime
        }

def get_pages(url):
    html = get_one_page(url)
    soup = BeautifulSoup(html,'lxml')
    # 获取总页码
    pages = soup.find(name='a',attrs={'title':'进入尾页'}).attrs['href']
    # 将总页码提取出来
    pages = pages.split('/')[8]
    if pages :
         return pages
    return None

def write_to_file(content):
    with open('result.txt','a',encoding='utf-8') as f:
        f.write(json.dumps(content,ensure_ascii=False) + '\n')

def main(num=0):
    pages = get_pages('http://www.bbc.edu.cn/s/21/t/267/p/22/i/1/list.htm')
    pages = int(pages)
    if num:
        pages=num
    for page in range(1,pages):
        url = 'http://www.bbc.edu.cn/s/21/t/267/p/22/i/'+str(page)+'/list.htm'
        html = get_one_page(url)
        for item in page_parser(html):
            print(item)
    print('抓取了: '+str(pages)+'页综合新闻')

if __name__ == '__main__':
    main(20)
相关文章
|
4月前
|
数据采集 存储 C#
C# 爬虫技术:京东视频内容抓取的实战案例分析
C# 爬虫技术:京东视频内容抓取的实战案例分析
|
7月前
|
开发工具 Python
国外的大学图书馆也像国内的一样吗?用Python脚本抓取期刊的主题标题!
国外的大学图书馆也像国内的一样吗?用Python脚本抓取期刊的主题标题!
|
7月前
|
人工智能 安全 测试技术
【教学基地平台更新日记】答疑论坛页
【教学基地平台更新日记】答疑论坛页
|
7月前
|
自然语言处理 搜索推荐 数据挖掘
自制字节上万条招聘信息搜索网站,好玩!
自制字节上万条招聘信息搜索网站,好玩!
|
存储 JavaScript 关系型数据库
中国国家统计局发布的行政区划数据-nodejs抓取
由于国家的行政区划每年都有变化,所以经常需要更新最新的数据,这里提供一个nodejs版本mysql数据存储的抓取示例。
中国国家统计局发布的行政区划数据-nodejs抓取
|
JSON JavaScript 小程序
HackerNews新闻列表功能描述|学习笔记
快速学习 HackerNews新闻列表功能描述
HackerNews新闻列表功能描述|学习笔记
html+css实战107-新闻列表-div布局
html+css实战107-新闻列表-div布局
118 0
|
存储 数据采集 大数据
网站限制爬取薪资信息,代理IP来助阵
换工作需要知道该岗位目前市场薪资信息,企业招聘也需要知道各岗位当前薪资福利情况,这些情况是怎么分析出来的呢?这就要用到大数据了。但是,网站限制爬取薪资信息,面对这种情况可以使用代理IP来助阵的,就像芝麻代理的使用,方便快捷。
1081 0
|
算法 搜索推荐 机器学习/深度学习
优化百度新闻内容的7个技巧
优化百度新闻内容的7个技巧 百度新闻发生了巨大变化。许多优化新闻内容的最佳做法也发生了重大变化。 但是,百度新闻优化的一些基本原则在过去16年中基本没有改变。 优化新闻内容以提高可见性和流量的关键是弄清楚哪些内容已发生变化,哪些内容未发生变化。
1352 0