码迷,mamicode.com
首页 > Web开发 > 详细

利用BeautifulSoup抓取新浪网页新闻的内容

时间:2016-11-12 16:44:06      阅读:453      评论:0      收藏:0      [点我收藏+]

标签:select   code   item   小爬虫   内容   load   elements   功能   finally   

第一次写的小爬虫,python确实功能很强大,二十来行的代码抓取内容并存储为一个txt文本

直接上代码

#coding = ‘utf-8‘

import requests
from bs4 import BeautifulSoup
import sys
reload(sys)
sys.setdefaultencoding("utf-8")

#抓取web页面
url = "http://news.sina.com.cn/china/"
res = requests.get(url)
res.encoding = utf-8

#放进soup里面进行网页内容剖析
soup = BeautifulSoup(res.text, "html.parser")
elements = soup.select(.news-item)
    
#抓取需要的内容并且放入文件中
#抓取的内容有时间,内容文本,以及内容的链接
fname = "F:/asdf666.txt"
try:
    f = open(fname, w)
    for element in elements:
        if len(element.select(h2)) > 0:
            f.write(element.select(.time)[0].text)
            f.write(element.select(h2)[0].text)
            f.write(element.select(a)[0][href])
            f.write(\n\n)
    

    f.close()
except Exception, e:
    print e
else:
    pass
finally:
    pass

 因为这只第一次做的小爬虫,功能很简单也很单一,就是直接抓取新闻页面的部分新闻

然后抓取新闻的时间和超链接

然后按照新闻的顺序整合起来,并且放进文本文件中去存储起来

利用BeautifulSoup抓取新浪网页新闻的内容

标签:select   code   item   小爬虫   内容   load   elements   功能   finally   

原文地址:http://www.cnblogs.com/xuchao/p/6056691.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!