1. 用requests庫和BeautifulSoup庫，爬取校園新聞首頁新聞的標題、鏈接、正文、show-info。

2. 分析info字符串，獲取每篇新聞的發布時間，作者，來源，攝影等信息。

3. 將字符串格式的發布時間轉換成datetime類型

4. 使用正則表達式取得新聞編號

5. 生成點擊次數的Request URL

6. 獲取點擊次數

7. 將456步驟定義成一個函數 def getClickCount(newsUrl):

8. 將獲取新聞詳情的代碼定義成一個函數 def getNewDetail(newsUrl):

9. 嘗試用使用正則表達式分析show info字符串，點擊次數字符串。

import requests
from  bs4 import  BeautifulSoup
from datetime import datetime
import locale
import re
locale.setlocale(locale.LC_CTYPE,‘chinese‘)
newsurl = ‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘
res = requests.get(newsurl) #返回response
res.encoding = ‘utf-8‘
soup = BeautifulSoup(res.text,‘html.parser
 
‘)

def getClickCount(newsUrl):   #獲取點擊次數
    newsId = re.findall(‘\_(.*).html‘, newsUrl)[0].split(‘/‘)[1]   #使用正則表達式取得新聞編號
    clickUrl = ‘http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80‘.format(newsId)
    clickStr = requests.get(clickUrl).text
    return(re.search("hits‘\).html\(‘(.*)‘\);",clickStr).group(1))

 
def getNewDetail(newsUrl):   #獲取新聞詳情
    resd = requests.get(newsUrl)  # 返回response
    resd.encoding = ‘utf-8‘
    soupd = BeautifulSoup(resd.text, ‘html.parser‘)
    print(‘標題：‘ + title)
    print(‘描述：‘ + description)
    print(‘鏈接：‘ + newsUrl)
    info = soupd.select(‘.show-info‘)[0].text
    time = re.search(‘發布時間:(.*) \xa0\xa0 \xa0\xa0作者：‘, info).group(1)
    dtime = datetime.strptime(time, ‘%Y-%m-%d %H:%M:%S‘)   #將字符串格式的發布時間轉換成datetime類型
    print(‘發布時間：{}‘.format(dtime))
    print(‘作者：‘ + re.search(‘作者：(.*)審核：‘, info).group(1))
    print(‘審核：‘ + re.search(‘審核：(.*)來源：‘, info).group(1))
    print(‘來源：‘ + re.search(‘來源：(.*)攝影：‘, info).group(1))
    print(‘攝影：‘ + re.search(‘攝影：(.*)點擊‘, info).group(1))
    print(‘點擊次數：‘ + getClickCount(a))
    print(‘正文：‘+soupd.select(‘.show-content‘)[0].text)

for news in soup.select(‘li‘):
    if len(news.select(‘.news-list-title‘))>0:
        title = news.select(‘.news-list-title‘)[0].text
        description = news.select(‘.news-list-description‘)[0].text
        a = news.a.attrs[‘href‘]
        getNewDetail(a)
        break

結果截圖：

爬取校園新聞首頁的新聞的詳情，使用正則表達式，函數抽離