python“抓取” 新浪新聞的內(nèi)容并且打包成一個(gè)json文件保存下來

[TOC]
功能點(diǎn)
關(guān)鍵代碼簡要說明
完整代碼

文中使用的python請求數(shù)據(jù)地址來源于 ruanyf/sina-news

python3

功能點(diǎn)

  • 抓取sina的新聞列表

  • 將抓取到的數(shù)據(jù)保存成一個(gè)json格式的json文件

關(guān)鍵代碼簡要說明

  • 裝載容器

    將每條新聞封裝為一個(gè)Model類

 class Model:
  def __init__(self, id, title, updateTime, jumpLink, tags) :
  self.id = id # 每條新聞的id
  self.title = title # 每條新聞的title
  self.updateTime = updateTime # 每條新聞的發(fā)布/更新時(shí)間
  self.jumpLink = jumpLink # 每條新聞的詳情
  self.tags = tags # 每條新聞的tag列表</pre>
  • 對數(shù)據(jù)的操作

    1. 打開文件/保存
 def feedaskByPage(page): # 分頁抓取和保存
          with open(jsonFileName, "a+", encoding='UTF-8') as file:
          #...#
          # 如果page != 1隐砸, 則說明不是第一頁之碗,則需要先讀取原本保存的json文件后,將數(shù)據(jù)拼接到原數(shù)據(jù)后面
          if page != 1:
          # 因?yàn)榇蜷_文件的方式是 a+, 所以文件的讀取指針是文件的最后一位季希,需要將指針移到第一位
          file.seek(0, 0) 
          toFileList = JSON.loads(file.read()) 
          #...#
          # 清空原本的文件
          file.seek(0)
          file.truncate()
          # print(toFileList.__len__())
          # 在保有json格式下保存到文件中
          _dataStr = JSON.dumps(toFileList, ensure_ascii = False,  indent = 4) # indent = 4 為json的行空格褪那,這樣保存的文件會(huì)以相對比較容易看看懂的形式存在,非必要參數(shù)
          file.write(_dataStr)
          file.close()
  1. 分頁請求
 import time
         # 部分請求參數(shù)
         reqParams = {
          'page': 1,
          'page_size': 100
          #...# 
         }
         #...#
         response = requests.get(url=reqUrl, params= reqParams, headers= reqHeaders)
         reqParams['page'] = page
         json = response.json()
         #...#        
         def feedtask():
          print("start new round ....")
          for index in range(1, reqPage + 1):
          # print(index) 
          feedaskByPage(index)
          time.sleep(2) # 分頁的請求間隔時(shí)間
          print("finish this round ....")
  1. 定時(shí)任務(wù)
 import schedule
         import time
         #...#
         schedule.every(15).minutes.do(feedtask) # 每15分鐘抓取一次
         print("start schedule task ....")
         while True:
          schedule.run_pending()   # 運(yùn)行所有可以運(yùn)行的任務(wù)
          time.sleep(1)

完整代碼

python3

 import requests
 import json as JSON
 import schedule
 import time
 
 reqUrl = 'https://zhibo.sina.com.cn/api/zhibo/feed'
 reqParams = {
  'page': 1,
  'page_size': 100,
  'zhibo_id': 152, ## 新聞專用
  'tag_id': 0,
  'dire': 'f',
  'dpc': 1,
  'type': 0
 }
 reqHeaders = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.135 Safari/537.36 Edge/12.10130'}
 reqPage = 1 ## TODO 需要處理時(shí)間的排序問題
 jsonFileName = "./your_json_file_name.json"
 
 class ToFileModel:
  def __init__(self, id, title, updateTime, jumpLink, tags) :
  self.id = id
  self.title = title
  self.updateTime = updateTime
  self.title = title
  self.jumpLink = jumpLink
  self.tags = tags
 
 def feedaskByPage(page):
  with open(jsonFileName, "a+", encoding='UTF-8') as file:
  response = requests.get(url=reqUrl, params= reqParams, headers= reqHeaders)
  reqParams['page'] = page
  json = response.json()
  result = json['result']
  data = result['data']
  feed = data['feed']
  list = feed['list']
  toFileList = []
  toTagList = []
  # _data = {} 
  if page == 1:
  file.seek(0)
  file.truncate()
  else :
  file.seek(0, 0)
  # _data = JSON.loads(file.read())
  # toFileList = _data['list']
  toFileList = JSON.loads(file.read())
  for tmp in list:
  for tag in tmp['tag']:
  toFileTag = tag['name']
  toTagList.append(toFileTag)
  toFileList.append(
  ToFileModel(tmp['id'], tmp['rich_text'], tmp['update_time'], tmp['docurl'], toTagList)
  .__dict__)
  toTagList = []
  file.seek(0)
  file.truncate()
  print(toFileList.__len__())
  # _data['list'] = toFileList
  # JSON.dump(_data, file, ensure_ascii = False,  indent = 4)
  _dataStr = JSON.dumps(toFileList, ensure_ascii = False,  indent = 4)
  file.write(_dataStr)
  file.close()
 
 def feedtask():
  print("start new round ....")
  for index in range(1, reqPage + 1):
  # print(index) 
  feedaskByPage(index)
  time.sleep(2)
  print("finish this round ....")
 
 # schedule.every(3).seconds.do(feedtask)
 schedule.every(15).minutes.do(feedtask)
 print("start schedule task ....")
 while True:
  schedule.run_pending()   # 運(yùn)行所有可以運(yùn)行的任務(wù)
  time.sleep(1)
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末式塌,一起剝皮案震驚了整個(gè)濱河市博敬,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌珊搀,老刑警劉巖冶忱,帶你破解...
    沈念sama閱讀 211,290評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異境析,居然都是意外死亡囚枪,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,107評論 2 385
  • 文/潘曉璐 我一進(jìn)店門劳淆,熙熙樓的掌柜王于貴愁眉苦臉地迎上來链沼,“玉大人,你說我怎么就攤上這事沛鸵±ㄉ祝” “怎么了?”我有些...
    開封第一講書人閱讀 156,872評論 0 347
  • 文/不壞的土叔 我叫張陵曲掰,是天一觀的道長疾捍。 經(jīng)常有香客問我,道長栏妖,這世上最難降的妖魔是什么乱豆? 我笑而不...
    開封第一講書人閱讀 56,415評論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮吊趾,結(jié)果婚禮上宛裕,老公的妹妹穿的比我還像新娘瑟啃。我一直安慰自己,他們只是感情好揩尸,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,453評論 6 385
  • 文/花漫 我一把揭開白布蛹屿。 她就那樣靜靜地躺著,像睡著了一般岩榆。 火紅的嫁衣襯著肌膚如雪错负。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,784評論 1 290
  • 那天勇边,我揣著相機(jī)與錄音湿颅,去河邊找鬼。 笑死粥诫,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的崭庸。 我是一名探鬼主播怀浆,決...
    沈念sama閱讀 38,927評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼怕享!你這毒婦竟也來了执赡?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,691評論 0 266
  • 序言:老撾萬榮一對情侶失蹤函筋,失蹤者是張志新(化名)和其女友劉穎沙合,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體跌帐,經(jīng)...
    沈念sama閱讀 44,137評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡首懈,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,472評論 2 326
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了谨敛。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片究履。...
    茶點(diǎn)故事閱讀 38,622評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖脸狸,靈堂內(nèi)的尸體忽然破棺而出最仑,到底是詐尸還是另有隱情,我是刑警寧澤炊甲,帶...
    沈念sama閱讀 34,289評論 4 329
  • 正文 年R本政府宣布泥彤,位于F島的核電站,受9級特大地震影響卿啡,放射性物質(zhì)發(fā)生泄漏吟吝。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,887評論 3 312
  • 文/蒙蒙 一牵囤、第九天 我趴在偏房一處隱蔽的房頂上張望爸黄。 院中可真熱鬧滞伟,春花似錦、人聲如沸炕贵。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,741評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽称开。三九已至亩钟,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間鳖轰,已是汗流浹背清酥。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留蕴侣,地道東北人焰轻。 一個(gè)月前我還...
    沈念sama閱讀 46,316評論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像昆雀,于是被迫代替她去往敵國和親辱志。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,490評論 2 348

推薦閱讀更多精彩內(nèi)容