Skip to content
项目
群组
代码片段
帮助
当前项目
正在载入...
登录 / 注册
切换导航面板
Z
zzsn_spider
概览
概览
详情
活动
周期分析
版本库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
统计图
问题
0
议题
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
CI / CD
CI / CD
流水线
作业
日程表
图表
维基
Wiki
代码片段
代码片段
成员
成员
折叠边栏
关闭边栏
活动
图像
聊天
创建新问题
作业
提交
问题看板
Open sidebar
王景浩
zzsn_spider
Commits
0ef8e52c
提交
0ef8e52c
authored
4月 16, 2024
作者:
XveLingKun
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
华尔街日报多个信息源采集
上级
9c3eea0f
显示空白字符变更
内嵌
并排
正在显示
1 个修改的文件
包含
30 行增加
和
7 行删除
+30
-7
wsj-TECH.py
comData/dingzhi/wsj-TECH.py
+30
-7
没有找到文件。
comData/dingzhi/wsj-TECH.py
浏览文件 @
0ef8e52c
...
...
@@ -28,7 +28,7 @@ def create_driver():
driver
=
webdriver
.
Edge
(
service
=
edge_service
,
options
=
edge_options
)
return
driver
def
get_pagesource
():
def
get_pagesource
(
url
):
driver
=
create_driver
()
# un = 'zhk2058@163.com'
# pw = 'ZZM205899'
...
...
@@ -44,7 +44,8 @@ def get_pagesource():
# driver.find_element(By.XPATH, '//*[@id="password-login"]/div/form/div[5]/button').click()
# time.sleep(3)
url
=
'https://cn.wsj.com/zh-hans/news/technology?mod=nav_top_section'
# url = 'https://cn.wsj.com/zh-hans/news/technology?mod=nav_top_section'
# url = 'https://cn.wsj.com/zh-hans/news/world?mod=nav_top_section'
driver
.
get
(
url
)
time
.
sleep
(
3
)
while
True
:
...
...
@@ -62,8 +63,8 @@ def get_pagesource():
continue
return
soup
,
driver
def
get_newshref
(
key
):
soup
,
driver
=
get_pagesource
()
def
get_newshref
(
key
,
url
):
soup
,
driver
=
get_pagesource
(
url
)
if
soup
:
pass
else
:
...
...
@@ -107,7 +108,29 @@ def get_newshref(key):
def
caiji
():
redis_client
=
redis
.
Redis
(
host
=
'114.116.90.53'
,
port
=
6380
,
password
=
'clbzzsn'
,
db
=
6
)
key
=
'WSJ:NewsInfo'
news_list
,
driver
=
get_newshref
(
key
)
url_list
=
[
'https://cn.wsj.com/'
,
'https://cn.wsj.com/zh-hans/news/world?mod=nav_top_section'
,
'https://cn.wsj.com/zh-hans/news/china?mod=nav_top_section'
,
'https://cn.wsj.com/zh-hans/news/markets?mod=nav_top_section'
,
'https://cn.wsj.com/zh-hans/news/economy?mod=nav_top_section'
,
'https://cn.wsj.com/zh-hans/news/business?mod=nav_top_section'
,
'https://cn.wsj.com/zh-hans/news/technology?mod=nav_top_section'
]
for
url
in
url_list
:
if
url
==
'https://cn.wsj.com/'
:
print
(
'正在采集WSJ首页...'
)
elif
url
==
'https://cn.wsj.com/zh-hans/news/world?mod=nav_top_section'
:
print
(
'正在采集WSJ国际新闻...'
)
elif
url
==
'https://cn.wsj.com/zh-hans/news/china?mod=nav_top_section'
:
print
(
'正在采集WSJ中国新闻...'
)
elif
url
==
'https://cn.wsj.com/zh-hans/news/markets?mod=nav_top_section'
:
print
(
'正在采集WSJ金融市场...'
)
elif
url
==
'https://cn.wsj.com/zh-hans/news/economy?mod=nav_top_section'
:
print
(
'正在采集WSJ经济新闻...'
)
elif
url
==
'https://cn.wsj.com/zh-hans/news/business?mod=nav_top_section'
:
print
(
'正在采集WSJ商业新闻...'
)
else
:
print
(
'正在采集WSJ科技新闻...'
)
news_list
,
driver
=
get_newshref
(
key
,
url
)
# #todo:将获取到的列表全部放进redis等待
#
# count = 0
...
...
@@ -150,8 +173,8 @@ def wsj_list_task():
pass
if
__name__
==
'__main__'
:
wsj_list_task
()
#
wsj_list_task()
caiji
()
...
...
编写
预览
Markdown
格式
0%
重试
或
添加新文件
添加附件
取消
您添加了
0
人
到此讨论。请谨慎行事。
请先完成此评论的编辑!
取消
请
注册
或者
登录
后发表评论