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()
下一篇: 爬取sina所有国内新闻时间、标题、链接