欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

证券日报网爬取实战

程序员文章站 2022-05-02 22:12:11
...

1 需求

证券日报网爬取贵州茅台新闻实战。

2 代码实现

import requests
import re


if __name__ == "__main__":
    # 获取网页源代码
    url = 'http://search.zqrb.cn/search.php?src=all&q=贵州茅台&f=_all&s=newsdate_DESC'
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:91.0) Gecko/20100101 Firefox/91.0'}
    source = requests.get(url=url, headers=headers).text
    # 获取网页标题
    p_title = ' target="_blank"><h4>(.*?)</h4></a>'
    title = re.findall(p_title, source)
    # 获取网页网址
    p_href = '.*?<a href="(.*?)" target="_blank"><h4>'
    href = re.findall(p_href, source)
    # 数据清洗
    for index in range(len(title)):
        title[index] = re.sub("<.*?>", '', title[index]).strip()
        print(str(index + 1) + "." + title[index] + "(" + href[index] + ")")
        print()