1、获取单条新闻的#标题#链接#时间#来源#内容 #点击次数，并包装成一个函数。
2、获取一个新闻列表页的所有新闻的上述详情，并包装成一个函数。
3、获取所有新闻列表页的网址，调用上述函数。
4、完成所有校园新闻的爬取工作。
5、完成自己所选其他主题相应数据的爬取工作。
import requests from bs4 import BeautifulSoup from datetime import datetime import re res=requests.get(‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘) res.encoding=‘utf-8‘ soup=BeautifulSoup(res.text,‘html.parser‘) def getclick(newsurl): id=re.search(‘_(.*).html‘,newsurl).group(1).split(‘/‘)[1] clickurl=‘http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80‘.format(id) click=int(requests.get(clickurl).text.split(‘.‘)[-1].lstrip("html(‘").rstrip("‘);")) return click for news in soup.select(‘li‘): if len(news.select(‘.news-list-title‘))>0: title=news.select(‘.news-list-title‘)[0].text url=news.select(‘a‘)[0][‘href‘] time=news.select(‘.news-list-info‘)[0].contents[0].text laiyuan=news.select(‘.news-list-info‘)[0].contents[1].text resd=requests.get(url) resd.encoding=‘utf-8‘ soupd=BeautifulSoup(resd.text,‘html.parser‘) detail=soupd.select(‘.show-content‘)[0].text click=getclick(url) print(title,url,time,laiyuan,click)
import requests from bs4 import BeautifulSoup from datetime import datetime import re res=requests.get(‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘) res.encoding=‘utf-8‘ soup=BeautifulSoup(res.text,‘html.parser‘) n=int(soup.select(‘.a1‘)[0].text.rstrip(‘条‘)) pages=n//10+1 for i in range(2,pages+1): pageurl=‘http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html‘.format(i) print(pageurl)
原文：http://www.cnblogs.com/chenyuanzhao/p/7649087.html