软件杯学习：python爬虫爬取新浪新闻并保存为csv格式

一、环境

panda、beautifulsoup4、python3.7

二、实现过程

分析网站首页代码，利用html网页中的元素id进行定位，读取所需要的数据。定义一个函数，封装当前分页中的20个网页链接。利用panda查看数据内容并保存为csv格式文件。

三、参考链接

https://blog.csdn.net/qq_42881421/article/details/84575316?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242

四、程序源码记录

import requests
import json
res = requests.get('https://news.sina.com.cn/c/2018-11-15/doc-ihnvukff4194550.shtml')
res.encoding = 'utf-8'
#catch title
from bs4 import BeautifulSoup

def getNewsDetail(newsurl):
    result = {}
    # 下载页面数据
    res = requests.get(newsurl)
    res.encoding = 'utf-8'
    soup = BeautifulSoup(res.text, 'html.parser')
    # 读取标题
    result['title'] = soup.select('.main-title')[0].text
    # 文章内容
    result['article'] = ' '.join([p.text.strip() for p in soup.select('.article p')[:-1]])
    return result

#catch 20 news for one time
def parseListLinks(url):
    newsdetails = []
    res = requests.get(url)
    jd = json.loads(res.text)
    #获取一个页面所有链接（20个左右）
    for ent in jd['result']['data']:
        #getNewsDetail为获取一个链接内容详情
        newsdetails.append(getNewsDetail(ent['url']))
    return newsdetails
url = 'https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page={}&encode=utf-8'
news_total = []
for i in range(1,3):
    newsurl = url.format(i)
    newsary = parseListLinks(url)
    news_total.extend(newsary)
print(news_total)
import pandas
df = pandas.DataFrame(news_total)
#查看后5行数据
df.to_csv("ruanjianbei.csv")

View Code

软件杯学习：python爬虫爬取新浪新闻并保存为csv格式

相关推荐