python爬虫搜狐新闻

编程入门 行业动态 更新时间:2024-10-06 19:25:38

python<a href=https://www.elefans.com/category/jswz/34/1770264.html style=爬虫搜狐新闻"/>

python爬虫搜狐新闻

想做新闻的文本分类,先爬了一些搜狐网的新闻做数据集

#_*_coding:utf-8_*_
import requests
from bs4 import BeautifulSoup
import osdef geturl(URL):baseurl='.shtml'%URLrequest = requests.get(url=baseurl)respons = request.content      #得到页面源代码soup = BeautifulSoup(respons,'html.parser')   #解析源代码pagelist=soup.select('div.article')urllist=[]for page in pagelist:url=page.select('a')[1].attrs['href']urllist.append(url)return urllistdef get_xinwen(URL):urllist=geturl(URL)contentlist=[]for url in urllist:request = requests.get(url=url)respons = request.content      #得到页面源代码soup = BeautifulSoup(respons,'html.parser')   #解析源代码try:page=soup.select('div#contentText')[0]# page=str(page)# pattern =repile(u'[\u4e00-\u9fa5]+')# content=pattern.search(page)content=page.textcontentlist.append(content)except IndexError:passreturn contentlistif __name__=="__main__":for num in range(12081,12181):a=get_xinwen(num)lenth=len(a)os.mkdir('./%d'%num)for i in range(lenth):f=open('./%d/%d.txt'%(num,i),'w',encoding='utf-8')f.write(a[i])     #写入txt

更多推荐

python爬虫搜狐新闻

本文发布于:2024-02-13 13:25:11,感谢您对本站的认可!
本文链接:https://www.elefans.com/category/jswz/34/1758849.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
本文标签:爬虫   搜狐新闻   python

发布评论

评论列表 (有 0 条评论)
草根站长

>www.elefans.com

编程频道|电子爱好者 - 技术资讯及电子产品介绍!