python爬取凤凰网站的新闻，及其链接地址，来源，时间和内容，用selenium自动化和requests处理数据

概述1 import requests 2 from selenium import webdriver 3 import time 4 5 def grasp(urlT): 6 driver = webdriver.Chrome(r‘C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe‘) #自动化测

@H_404_14@ 1 import requests 2 from selenium import webdriver 3 import time 4 5 def grasp(urlT): 6 driver = webdriver.Chrome(r‘C:\Program files (x86)\Google\Chrome\Application\chromedriver.exe‘) #自动化测试程序工具本地所在地 7 resAll = [] #用于存储单条数据 8 rest = {} #用于存储单个数据 9 res=requests.get(urlT)10 for i in range(0,29):11 print(res.Json()[‘data‘][i][‘Title‘])12 try:13 print(res.Json()[‘data‘][i][‘newsTime‘])14 except:15 print(‘None‘)16 print(res.Json()[‘data‘][i][‘source‘])17 print(res.Json()[‘data‘][i][‘url‘])18 rest[‘Title‘]=res.Json()[‘data‘][i][‘Title‘]19 try:20 rest[‘newsTime‘] = res.Json()[‘data‘][i][‘newsTime‘]21 except:22 rest[‘newsTime‘] = ‘None‘23 rest[‘source‘] = res.Json()[‘data‘][i][‘source‘]24 url = res.Json()[‘data‘][i][‘url‘]25 rest[‘url‘] = res.Json()[‘data‘][i][‘url‘]26 try:27 driver.get(url)28 time.sleep(4)29 contend = driver.find_element_by_class_name(‘text-3zQ3cZD4‘).text30 rest[‘contend‘] = str(contend)31 print(contend)32 driver.back()33 time.sleep(6)34 except:35 print(f‘第{i}条新闻失败‘)36 print(‘#-----------------------某些格式不符合------------------------#‘)37 resAll.append(rest)38 with open(‘./news.txt‘,‘a+‘,enCoding=‘utf-8‘) as f:39 try:40 f.write(‘‘.join(resAll[i].values())+‘\n‘)41 except:42 print(‘写入失败‘)43 44 url = "https://shankAPI.ifeng.com/spring/finance/index/newInfoIndex/75219"45 grasp(url)46 47 48 class Grasp:49 50 def __init__(self):51 self.driver = webdriver.Chrome(r‘C:\Program files (x86)\Google\Chrome\Application\chromedriver.exe‘)52 self.resAll = []#用于存储单条数据53 self.rest = {}#用于存储单个数据54 self.res = requests.get("https://shankAPI.ifeng.com/spring/finance/index/newInfoIndex/75219")#目标链接55 56 def run(self):57 for i in range(0,len(self.res.Json()[‘data‘])):58 print(self.res.Json()[‘data‘][i][‘Title‘]) #输出标题59 try:60 print(self.res.Json()[‘data‘][i][‘newsTime‘]) #输出时间61 except:62 print(‘None‘)63 print(self.res.Json()[‘data‘][i][‘source‘]) #输出来源64 print(self.res.Json()[‘data‘][i][‘url‘]) #输出链接地址65 self.rest[‘Title‘] = self.res.Json()[‘data‘][i][‘Title‘] #获取标题66 try:67 self.rest[‘newsTime‘] = self.res.Json()[‘data‘][i][‘newsTime‘] #获取时间68 except:69 self.rest[‘newsTime‘] = ‘None‘70 self.rest[‘source‘] = self.res.Json()[‘data‘][i][‘source‘] #获取来源71 self.url = self.res.Json()[‘data‘][i][‘url‘]72 self.rest[‘url‘] = self.res.Json()[‘data‘][i][‘url‘]#获取链接地址73 try:74 self.driver.get(url)75 time.sleep(4)76 self.contend = self.driver.find_element_by_class_name(‘text-3zQ3cZD4‘).text#获取网页标签下的文本77 self.rest[‘contend‘] = str(self.contend)#插入单条数据78 print(f‘第{i}条新闻成功‘)79 self.driver.back()80 time.sleep(4)81 except:82 print(f‘第{i}条新闻失败‘)83 print(‘#-----------------------某些格式不符合------------------------#‘)84 self.resAll.append(self.rest)85 with open(‘./news.txt‘,enCoding=‘utf-8‘) as f:86 try:87 f.write(f‘第{i}条新闻开始‘)88 f.write(‘‘.join(self.resAll[i].values()) + ‘\n‘) #写入数据89 f.write(f‘第{i}条新闻结束‘)90 except:91 print(‘写入失败‘)92 93 g = Grasp()94 g.run() VIEw Code

有写规则需要自己定义判断。

希望，帮到大家

总结

以上是内存溢出为你收集整理的python爬取凤凰网站的新闻，及其链接地址，来源，时间和内容，用selenium自动化和requests处理数据全部内容，希望文章能够帮你解决python爬取凤凰网站的新闻，及其链接地址，来源，时间和内容，用selenium自动化和requests处理数据所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。