pyhton爬虫(8)——获取网易新闻内容

编程入门 行业动态 更新时间:2024-10-11 01:18:19

pyhton<a href=https://www.elefans.com/category/jswz/34/1770264.html style=爬虫(8)——获取网易新闻内容"/>

pyhton爬虫(8)——获取网易新闻内容

本文主要目的是获取网易新闻标题正文内容。实现代码如下所示:

# -*- coding: utf-8 -*-
"""
Created on Mon Jul 17 15:46:30 2017@author: Administrator
"""
from bs4 import BeautifulSoup
import urllib.request
import http.cookiejar#url = '.html'
url = '.html''''
1.将网易新闻页面以html的形式保存到本地
'''#以字典的形式设置headersheaders = {"Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8","Accept-Language": "zh-CN,zh;q=0.8,en-US;q=0.5,en;q=0.3","User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:54.0) Gecko/20100101 Firefox/54.0","Connection": "keep-alive","referer": "/"}#设置cookie
cjar = http.cookiejar.CookieJar()
proxy = urllib.request.ProxyHandler({'http':"127.0.0.1:8888"})
opener = urllib.request.build_opener(proxy,urllib.request.HTTPHandler,urllib.request.HTTPCookieProcessor(cjar))#建立空列表,为了以指定格式存储头信息
headall = []
#通过for循环遍字典,构造出指定格式的Headers信息
for key,value in headers.items():item = (key,value)headall.append(item)#将指定格式的headers信息添加好
opener.addheaders = headall#将opener安装为全局
urllib.request.install_opener(opener)
data = urllib.request.urlopen(url).read()
fhandle = open("D:/python/data/163/1.html","wb")
fhandle.write(data)
fhandle.close()'''
2.提取网易新闻标题和正文内容信息
'''html1 = urllib.request.urlopen(url).read().decode('gbk')
html1 = str(html1)soup1 = BeautifulSoup(html1,'lxml')
#提取新闻标题
result1 = soup1.find_all("h1")
title = result1[0].string
print("新闻标题为:{}".format(title))soup2 = BeautifulSoup(html1,'lxml')
#提取正文所在区块
result2 = soup1.find_all(attrs={"class":"post_text"})
result2 = str(result2)
#print(result2)
soup3 = BeautifulSoup(html1,'lxml')
#提取正文文本内容
result3= soup1.find_all("p")content = result3[5:8]
print("新闻正文内容为:")
for i in content:print(i.string)

实现结果如下图所示:

本文只实现了网易新闻内容的简单提取,但正文信息提取时还需要手动设置区间范围,不够灵活,还有待进一步完善。

更多推荐

pyhton爬虫(8)——获取网易新闻内容

本文发布于:2024-02-19 13:18:28,感谢您对本站的认可!
本文链接:https://www.elefans.com/category/jswz/34/1763944.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   网易新闻   内容   pyhton

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!