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
|
3月前
|
数据采集 开发者
爬虫案例—抓取豆瓣电影的电影名称、评分、简介、评价人数
爬虫案例—抓取豆瓣电影的电影名称、评分、简介、评价人数
156 0
|
8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!
|
8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!
|
搜索推荐 SEO
谷歌关键词排名上首页需要多久【2023年实战数据】
因为你做的外链或内容都只是你觉得所谓的“优质”,你觉得的不一定就是优质,因为数据不会骗人,网站没排名,一切等于零。
215 0
谷歌关键词排名上首页需要多久【2023年实战数据】
|
搜索推荐
如何用ChatGPT做品牌项目的二手信息搜集?
品牌案例、竞品、信息来源、项目分析、官方渠道、品类、品牌、节日节庆、明星、国家、奖项、代理商、项目名称、项目描述、品牌介绍、竞争情况、运营数据、财务信息、交易信息、法律问题、网络平台、行业人士、品牌拥有者、报纸杂志、研究报告
110 0
|
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
122 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。
1387 0
|
数据采集 关系型数据库 大数据
|
数据采集 Python
python爬虫-抓取腾讯招聘信息页面
本爬虫主要使用了requests、json、bs4(BeautifulSoup)等相关模块,不完善之处请大家不吝赐教!:) 出处:https://github.
1182 0