码迷,mamicode.com
首页 > 其他好文 > 详细

用requests库和BeautifulSoup4库爬取新闻列表

时间:2017-09-27 18:54:15      阅读:186      评论:0      收藏:0      [点我收藏+]

标签:href   自己   ext   code   log   sel   esc   时间   rom   

  • 用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源。
  • 选一个自己感兴趣的主题,做类似的操作,为“爬取网络数据并进行文本分析”做准备。
import requests
from bs4 import BeautifulSoup
net = ‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘
res = requests.get(net)
res.encoding=‘utf-8‘
doc = BeautifulSoup(res.text,‘html.parser‘,from_encoding=‘utf-8‘)
for news in doc.select(‘li‘):
    if len(news.select(‘.news-list-title‘))>0:
        title = news.select(‘.news-list-title‘)[0].text
        url = news.select(‘a‘)[0][‘href‘]
        time = news.select(‘.news-list-info‘)[0].contents[0].text
        main = news.select(‘.news-list-description‘)[0].text
        source = news.select(‘.news-list-info‘)[0].contents[1].text
        print(‘Url:{}‘.format(news.select(‘a‘)[0][‘href‘]))
        print(‘标题:{}‘.format(news.select(‘.news-list-title‘)[0].text))
        print(‘正文:{}‘.format(news.select(‘.news-list-description‘)[0].text))
        print(‘时间:{}‘.format(news.select(‘.news-list-info‘)[0].contents[0].text))
        print(‘来源:{}‘.format(news.select(‘.news-list-info‘)[0].contents[1].text))

技术分享

 

用requests库和BeautifulSoup4库爬取新闻列表

标签:href   自己   ext   code   log   sel   esc   时间   rom   

原文地址:http://www.cnblogs.com/knight-hui/p/7600954.html

踩
(0)
赞
(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!