python3 爬虫实战之爬取网易新闻APP端

（一）使用工具

这里使用了火狐浏览器的user-agent插件，不懂的可以点这里火狐插件使用

（二）爬虫操作步骤：

百度 网易新闻并选择

步骤一：

步骤二：

步骤三：

步骤四：

最后一步：

注意点：

（1）网易新闻类型，一共是下面的几种：

{"BBM54PGAwangning","BCR1UC1Qwangning","BD29LPUBwangning","BD29MJTVwangning","C275ML7Gwangning"}

（2）新闻翻页动作：
从0-10 ——> 10-10
步数为10,0起步

我们试着从0页开始获取一下（浏览器输入一下）：

http://3g.163.com/touch/reconstruct/article/list/BD29LPUBwangning/0-10.html

很好的json，有没有。下面开始coding，不多说，直接看代码。

（三） 代码编写部分：

使用环境：win10 python3 scrapy

这里给出了spider文件部分

# -*- coding: utf-8 -*-
# @Time    : 2018/5/23 13:56
# @Author  : 蛇崽
# @Email   : [email protected]
# @File    : wangyi3g.py
import json

import re
import scrapy
from bs4 import BeautifulSoup


class Wangyi3GSpider(scrapy.Spider):

    name = 'wangyi3g'
    allowed_domains = ['3g.163.com']
    start_urls = ['http://3g.163.com/touch/news/']

    baseurl = 'http://3g.163.com/touch/reconstruct/article/list/BD29LPUBwangning/{}-10.html'
    def parse(self, response):
        # 10 20
        for page in range(0,80,10):
            jsonurl = self.baseurl.format(page)
            yield scrapy.Request(jsonurl,callback=self.parse_li_json)

    def parse_li_json(self,response):
        res = response.body.decode('utf-8')
        print(res)
        res = str(res).replace('artiList(','')
        res = res.replace(')','')
        j = json.loads(res)
        datas = j['BD29LPUBwangning']
        print(datas)

        for data in datas:
            title = data['title']
            ptime = data['ptime']
            url = data['url']
            source = data['source']
            print(title,ptime,url,source)
            if url:
                yield scrapy.Request(url,callback=self.parse_detail)

    def parse_detail(self,response):
        soup = BeautifulSoup(response.body,'lxml')
        content = soup.find('div','content')
        image_urls = re.findall(r'data-src="(.*?)"', str(content))
        # print(image_urls)

以上就是网易新闻APP爬虫代码的实现，更多技术学习交流可查看主页加群。我们一起学习。

更多博客文章请访问:

https://blog.csdn.net/xudailong_blog/article/details/78762262