Python小白的爬虫代码——澎湃新闻列表

在参照豆瓣影评的基础上写的抓取澎湃新闻列表代码

# coding = utf-8
import requests
from lxml import etree
import time
import random
import csv
import codecs

data = []

def getPP(page):
    url = 'https://www.thepaper.cn/load_chosen.jsp?nodeids=25949&topCids=2123127,2122823,2120622,2123384,&pageidx=%d'%(page)
    response = requests.get(url)
    response.encoding = 'utf-8'
    response = etree.HTML(response.content,parser=etree.HTMLParser(encoding='utf-8'))#添加默认编码

    for i in range(1,21):
        title1 = response.xpath('//body/div[%d]/h2/a'%(i))#获取title
        url1 = response.xpath('//body/div[%d]/h2/a'%(i))#获取url
        summary1 = response.xpath('//body/div[%d]/p'%(i))#获取summary
        tag1 = response.xpath('//body/div[%d]/div[2]/a'%(i))#获取文章分类
        time1 = response.xpath('//body/div[%d]/div[2]/span[1]'%(i))#获取发布时间
        rtimes1 = response.xpath('//body/div[%d]/div[2]/span[2]'%(i))#获取回复数

        title_element = title1[0].text.encode('utf-8')

        url_element = url1[0].attrib['href']
        url_element = 'https://www.thepaper.cn/' + url_element#完善链接

        summary_element = summary1[0].text.encode('utf-8')
        summary_element = summary_element.replace(' ','')#去空格
    
        tag_element = tag1[0].text.encode('utf-8')
        time_element = time1[0].text.encode('utf-8')

        if len(rtimes1) == 0:
            rtimes_element = 0
        else:
            rtimes_element = rtimes1[0].text#有些回复数为空,rtimes[0]不存在,会报错,用if函数避免这个问题

        data.append([title_element,url_element,summary_element,tag_element,time_element,rtimes_element])


for i in range(1,3):#抓2页
    getPP(i)
    time.sleep(random.uniform(3,5))


with open ('getPP.csv','wb') as f:
    f.write(codecs.BOM_UTF8)
    writer = csv.writer(f)
    writer.writerow(['title','url','summary','tag','publishtime','rtimes'])
    for k in data:
        writer.writerow(k)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,245评论 6 497
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,749评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,960评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,575评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,668评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,670评论 1 294
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,664评论 3 415
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,422评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,864评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,178评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,340评论 1 344
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,015评论 5 340
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,646评论 3 323
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,265评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,494评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,261评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,206评论 2 352

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 172,019评论 25 707
  • 发现 关注 消息 iOS 第三方库、插件、知名博客总结 作者大灰狼的小绵羊哥哥关注 2017.06.26 09:4...
    肇东周阅读 12,089评论 4 62
  • 夜蔼沉沉,星火流动。 波光粼粼的湖面上悠然飘着一艘花船,船头一素衣女子,失神伫立。 “金山湖,咱们又到了这个地方。...
    哦谢谢老同学阅读 333评论 0 0
  • 道者~见有而为无也~见难而为易也~见短而为长也,见高而为下也~上唱下必和也~上行下必随也~“无为”亦是大有可为~为...
    毛润生阅读 386评论 0 0
  • 永远在路上 初次邂逅 记得和跑步初次邂逅是两年前,当时大学毕业已有半年,初入社会的不适应,让我每天都在烦躁和抑...
    彩虹君的生活阅读 286评论 5 2