鱼C论坛

 找回密码
 立即注册
查看: 509|回复: 8

最新的源代码

[复制链接]
发表于 2020-3-30 17:32:37 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能^_^

您需要 登录 才可以下载或查看,没有账号?立即注册

x
请问谁有最新的爬去新闻的源代码呢
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复

使用道具 举报

发表于 2020-3-30 17:37:37 | 显示全部楼层
import requests
from bs4 import BeautifulSoup
import re
import json
from datetime import datetime
import pandas

#取得评论数的函数
def getCommentCounts(newsurl):
    m = re.search('doc-i(.+).shtml',newsurl)
    newsid = m.group(1)
    commentURL = 'http://comment5.news.sina.com.cn/page/info?version=1&format=js&channel=sh&newsid=comos-{}&group=&compress=0&ie=utf-8&oe=utf-8&page=1&page_size=20'
    comments = requests.get(commentURL.format(newsid))
    comments.encoding ='utf-8'
    jd = json.loads(comments.text.strip('var data='))
    return (jd['result']['count']['total'])

#在正文页面取得包含标题、新闻来源、时间、正文、编辑姓名、评论数的一个字典result
def getNewsDetail(newsurl):
    result = {}
    res = requests.get(newsurl)
    res.encoding = 'utf-8'
    soup = BeautifulSoup(res.text,'html.parser')
    result['title'] = soup.select('#artibodyTitle')[0].text
    result['newssource'] = soup.select('.time-source a')[0].text
    timesource = soup.select('.time-source')[0].contents[0].strip()
    result['dt'] = datetime.strptime(timesource,'%Y年%m月%d日%H:%M')
    result['article'] = ' '.join([p.text.strip() for p in soup.select('#artibody p')[:-1]])
    result['editor'] = soup.select('.article-editor')[0].text.lstrip('责任编辑:')
    result['comments'] = getCommentCounts(newsurl)
    return result

'''
#在新闻标题列表页面如何取得第一次加载的时间、标题以及链接
res_1 = requests.get('http://news.sina.com.cn/society/')
res_1.encoding = 'utf-8'
soup =BeautifulSoup(res_1.text,'html.parser')

for news in soup.select('.news-item'):
    if len(news.select('h2'))>0:
        h2 = news.select('h2')[0].text
        time = news.select('.time')[0].text
        a = news.select('a')[0]['href']
        print (time,h2,a)       
'''

#在新闻标题列表页面如何取得滚动后加载的所有新闻链接,并调用getNewsDetail(newsurl)函数
def parseListLinks(url):
    res = requests.get(url)
    jd = json.loads(res.text.lstrip('   newsloadercallback(').rstrip(');'))
    newsdetails = []
    for each in jd['result']['data']:
        newsdetails.append(getNewsDetail(each['url']))#这里调用了上面的getNewsDetail(newsurl)函数
    return newsdetails



url = 'http://api.roll.news.sina.com.cn/zt_list?channel=news&cat_1=shxw&cat_2==zqsk||=qwys||=shwx||=fz-shyf&level==1||=2&show_ext=1&show_all=1&show_num=22&tag=1&format=json&page={}'
news_total = []
for i in range(1,6):
    newsurl = url.format(i)
    newsary = parseListLinks(newsurl)
    news_total.extend(newsary)
df = pandas.DataFrame(news_total)

df.to_excel('news.xlsx')

import sqlite3
with sqlite3.connect('news.sqlite')as db:
    df.to_sql('news',con = db)

import sqlite3
with sqlite3.connect('news.sqlite')as db:
    df2 = pandas.read_sql_query('SELECT * FROM NEWS',con = db)

评分

参与人数 1荣誉 +5 鱼币 +5 贡献 +3 收起 理由
zedi + 5 + 5 + 3 无条件支持楼主!

查看全部评分

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-3-30 17:38:25 | 显示全部楼层
本帖最后由 六小鸭 于 2020-3-30 17:43 编辑

我啥都没事说
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-3-30 17:41:45 | 显示全部楼层
六小鸭 发表于 2020-3-30 17:38
话说你真要走闲鱼卖号

废话,我感觉我着迷在闲鱼论坛上,浪费时间了
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 0 反对 1

使用道具 举报

发表于 2020-3-30 17:42:00 | 显示全部楼层
六小鸭 发表于 2020-3-30 17:38
话说你真要走闲鱼卖号

6.png
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-3-30 17:43:01 | 显示全部楼层

Traceback (most recent call last):
  File "D:\desktop\study\py\1.py", line 62, in <module>
    newsary = parseListLinks(newsurl)
  File "D:\desktop\study\py\1.py", line 50, in parseListLinks
    jd = json.loads(res.text.lstrip('   newsloadercallback(').rstrip(');'))
  File "D:\python\lib\json\__init__.py", line 357, in loads
    return _default_decoder.decode(s)
  File "D:\python\lib\json\decoder.py", line 337, in decode
    obj, end = self.raw_decode(s, idx=_w(s, 0).end())
  File "D:\python\lib\json\decoder.py", line 355, in raw_decode
    raise JSONDecodeError("Expecting value", s, err.value) from None
json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)
错误
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-3-30 17:43:25 | 显示全部楼层

评分

参与人数 1荣誉 +4 鱼币 +4 贡献 +3 收起 理由
zedi + 4 + 4 + 3 鱼C有你更精彩^_^

查看全部评分

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

 楼主| 发表于 2020-3-30 17:43:33 | 显示全部楼层
想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

发表于 2020-3-30 17:44:32 | 显示全部楼层
https://blog.csdn.net/nice_xp/article/details/73038599
自己学习

评分

参与人数 1贡献 +3 收起 理由
zedi + 3

查看全部评分

想知道小甲鱼最近在做啥?请访问 -> ilovefishc.com
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

小黑屋|手机版|Archiver|鱼C工作室 ( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)

GMT+8, 2025-1-25 12:33

Powered by Discuz! X3.4

© 2001-2023 Discuz! Team.

快速回复 返回顶部 返回列表