python 爬取人民新闻

本文主要是介绍python 爬取人民新闻，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

基础信息获取：

要闻url：https://www.gov.cn/yaowen/liebiao/home.htm

下一页的url：https://www.gov.cn/yaowen/liebiao/home_1.htm

基础代码：

import re
import openpyxl
import requests
from lxml import etree
import osdef download_xinwen():basic_url = 'https://www.gov.cn/yaowen/liebiao/home.htm'for num in range(1, 5):print(f"Downloading:第{num}页")new_url = 'https://www.gov.cn/yaowen/liebiao/home_{}.htm'.format(num)headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/122.0.0.0 Safari/537.36'}response = requests.get(new_url, headers=headers)response.encoding = 'utf8'# print(response.text)html = etree.HTML(response.text)xinwen_info = html.xpath('//div//li//h4/a/text()')xinwen_lianjie = html.xpath('//h4/a/@href')for describe, download_url in zip(xinwen_info, xinwen_lianjie):print("新闻标题:", describe, "|", "新闻链接:", download_url)# if "https" not in download_url:#     original_str = download_url#     new_str = original_str.replace("./", "")#     download_url ="https://www.gov.cn/yaowen/liebiao/" + new_str#     # print(download_url)# print("新闻标题:", describe, "|", "新闻链接:", download_url)# new_xinwen_url = download_url.split('.')[-1]# print(new_xinwen_url)download_xinwen()

返回：

 可以看到有的url链接爬取下来之后不是全路径，针对这个问题加上如下代码：

在for循环内加上判断，如果https不在url列表里，说明这个url不是全路径，将./全部替换成空字符，再拼接下基础url，这样遍有了url全路径

             if "https" not in download_url:original_str = download_urlnew_str = original_str.replace("./", "")download_url ="https://www.gov.cn/yaowen/liebiao/" + new_strprint("新闻标题:", describe, "|", "新闻链接:", download_url)

再次运行调试：

url连接都是全路径了

这篇关于python 爬取人民新闻的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---