Cómo rastrear las primeras 20 páginas de Southwest University of Science and Technology News Network
Las ideas de rastreo y los pasos del método son los siguientes:
El primer paso es obtener el código fuente de la página web del directorio de noticias mediante solicitud.
El segundo paso es obtener la URL de cada artículo, y primero extraer la fecha y el título.
El tercer paso es limitar el rango de rastreo por fecha y realizar una solicitud de obtención para cada URL de noticias.
El cuarto paso es obtener la información restante en el código fuente de cada página de noticias, es decir, el autor, el texto y el número de visitas.
Paso 5, almacenarlo en la base de datos.