爬虫之你需要知道的隔夜全球要闻

查看 129|回复 9
作者:txq0211   
业余爱好者,好久没写爬虫了,近期世界经济变化莫测,
突然看到一篇“你需要知道的隔夜全球要闻”,忍不住写个爬虫把它爬下来每天看看。


WX20230314-205640.png (205.56 KB, 下载次数: 0)
下载附件
2023-3-14 20:57 上传

第一步 找到通用接口


WX20230314-205134.png (506.92 KB, 下载次数: 0)
下载附件
2023-3-14 20:59 上传



WX20230314-205150.png (406.33 KB, 下载次数: 0)
下载附件
2023-3-14 20:59 上传



WX20230314-205208.png (466.16 KB, 下载次数: 0)
下载附件
2023-3-14 21:00 上传

第二步 测试接口


WX20230314-205327.png (290.33 KB, 下载次数: 0)
下载附件
2023-3-14 21:00 上传

第三步 尝试编写代码,反复测试
[Python] 纯文本查看 复制代码import requests
import json
import re
import time
from lxml import etree
if __name__ == '__main__':
    url = 'https://www.cls.cn/api/sw?app=CailianpressWeb&os=web&sv=7.7.5&sign=bf0f367462d8cd70917ba5eab3853bce'
    headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:109.0) Gecko/20100101 Firefox/110.0"}
    data = {"type":"telegram","keyword":"你需要知道的隔夜全球要闻","page":0,"rn":20,"os":"web","sv":"7.7.5","app":"CailianpressWeb"}
    response = requests.post(url=url,headers=headers,data=data)
    news = json.loads(response.text)['data']['telegram']['data'][0]['descr']
    timeStamp = json.loads(response.text)['data']['telegram']['data'][0]['time']
    timeArray = time.localtime(timeStamp)
    formatTime = time.strftime("%Y年%m月%d日", timeArray)
    news = re.split(r'\d+、',news)
    title = ''.join(etree.HTML(news[0]).xpath('//text()'))[1:-2]
    print(formatTime,title)
    for i in range(1, len(news)):
        new = '%s、%s'%(i,news)
        print(new)


WX20230314-204801.png (295.92 KB, 下载次数: 0)
下载附件
2023-3-14 21:04 上传

存在问题,本想通过正则表达式在"。数字、"数字前面通过正则替换内容替换新增换行,没想到输出的时候数字被\d+替换了。
感谢大神@Arcticlyc指点,优化正则替换。
如有不足,欢迎大家提出意见。
[Python] 纯文本查看 复制代码import requests
import json
import re
import time
from lxml import etree
if __name__ == '__main__':
    url = 'https://www.cls.cn/api/sw?app=CailianpressWeb&os=web&sv=7.7.5&sign=bf0f367462d8cd70917ba5eab3853bce'
    headers = {"User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:109.0) Gecko/20100101 Firefox/110.0"}
    data = {"type":"telegram","keyword":"你需要知道的隔夜全球要闻","page":0,"rn":20,"os":"web","sv":"7.7.5","app":"CailianpressWeb"}
    response = requests.post(url=url,headers=headers,data=data)
    news = json.loads(response.text)['data']['telegram']['data'][0]['descr']
    timeStamp = json.loads(response.text)['data']['telegram']['data'][0]['time']
    timeArray = time.localtime(timeStamp)
    formatTime = time.strftime("%Y年%m月%d日", timeArray)
    news = re.sub(r'(\d+、)', r'\n\1', news)
    formatNews = ''.join(etree.HTML(news).xpath('//text()'))
    print(formatTime,formatNews)


WX20230314-230214.png (300.55 KB, 下载次数: 0)
下载附件
2023-3-14 23:02 上传

下载次数, 下载附件

Arcticlyc   

[Python] 纯文本查看 复制代码re.sub(r'(\d+、)', r'\n\1', news)
VanYun   

感谢大佬的分享!
742636796   

谢谢,这个涉及的就比较多了,我一个小白不怎么会
huangls0111   

感觉好难,我还有很长的路要走。
XY520ZXT   

感谢大佬的分享!
zcyLRF   

感谢大佬!
kuangxiao   

感谢大佬的分享!!
txq0211
OP
  


Arcticlyc 发表于 2023-3-14 22:31

这样所有的编号都变成1了
qaq66da   

可以可以
您需要登录后才可以回帖 登录 | 立即注册

返回顶部