Python爬取环球网国际推荐板块新闻数据

# -*- conding: utf-8 -*-
from lxml import etree
from selenium import webdriver
from pymysql import *
import time
"""
Google 浏览器启动参数
"""
chrome_options = webdriver.ChromeOptions()
# options.add_argument('User-Agent=Mozilla/5.0 (Linux; U; Android 8.1.0; zh-cn; BLA-AL00 Build/HUAWEIBLA-AL00) AppleWebKit/537.36 (KHTML, like Gecko) Version/4.0 Chrome/57.0.2987.132 MQQBrowser/8.9 Mobile Safari/537.36')
chrome_options.add_argument('--headless')  # 浏览器不提供可视化页面
chrome_options.add_argument('--no-sandbox') #这个参数在linux上执行是必须加上的
browser = webdriver.Chrome(options=chrome_options)
"""
数据库连接
"""
mysqldb = connect(host='IP', port=3306, database='database', user='username', password='password', charset='utf8')
cs = mysqldb.cursor()
"""
information
"""
site_name = "环球网"
url = "https://world.huanqiu.com"
New_urls = []
new_author = []
"""
获取新闻列表
"""
browser.get(url)
for i in range(0, 50):
    js = "var q=document.documentElement.scrollTop={}".format(i * 100)
    browser.execute_script(js)
html = etree.HTML(browser.page_source)
html_urls = html.xpath('//*[@id="recommend"]//a/@href')
for urls in html_urls:
    pingjie_url = url + urls
    New_urls.append(pingjie_url)
"""
从列表提取新闻URL进行访问xpath获取相关数据
"""
data_number = 0
for new_url in New_urls:
    browser.get(new_url)
    news_html = browser.page_source
    html = etree.HTML(news_html)
    title = ''.join(html.xpath('//div[@class="t-container-title"]/h3/text()'))
    author_a = ''.join(html.xpath('//span[@class="source"]/span/a/text()'))
    author_b = ''.join(html.xpath('//span[@class="source"]/a/text()'))
    author_c = ''.join(html.xpath('//span[@class="source"]/span/text()'))
    if author_a == '':
        if author_b == '':
            if author_c == '':
                continue
            else:
                author = author_c
        else:
            author = author_b
    else:
        author = author_a
    new_time_a = ''.join(html.xpath('//p[@class="time"]/text()'))
    new_time_b = ''.join(html.xpath('//*[@id="time"]/text()'))
    if new_time_a != '':
        new_time = new_time_a
    elif new_time_b != '':
        new_time = new_time_b

    article_content_xpath = ''.join(html.xpath('//div[@class="l-con clear"]//section/*/text()'))
    article_content_xpath_one = ''.join(html.xpath('//*[@id="pictureWrap"]/div[1]/div[1]/div/div[1]/div[2]/p/text()'))
    article_content = article_content_xpath + article_content_xpath_one
    """
    insert 插入数据
    """
    query = "insert ignore into toutiao(class,title,source,source_url,behot_time,nowtime,abstract) values (%s, %s, %s, %s, %s, %s, %s)"
    now_time = time.strftime("%Y-%m-%d %H:%M:%S")
    values = (site_name, title, author, new_url, new_time, now_time, article_content)
    cs.execute(query, values)
    print("插入数据成功或数据已存在")
    data_number += 1
    mysqldb.commit()
print("共插入" + data_number + "条数据")
cs.close()
browser.close()
©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 204,590评论 6 478
  • 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 86,808评论 2 381
  • 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 151,151评论 0 337
  • 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 54,779评论 1 277
  • 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 63,773评论 5 367
  • 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 48,656评论 1 281
  • 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 38,022评论 3 398
  • 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 36,678评论 0 258
  • 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 41,038评论 1 299
  • 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 35,659评论 2 321
  • 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 37,756评论 1 330
  • 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 33,411评论 4 321
  • 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 39,005评论 3 307
  • 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 29,973评论 0 19
  • 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 31,203评论 1 260
  • 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 45,053评论 2 350
  • 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 42,495评论 2 343