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
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 176,863评论 25 709
  • 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 14,780评论 4 61
  • 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 2,905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 3,308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 2,615评论 5 2

友情链接更多精彩内容