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:2017-09-28 16:45:34      阅读:175      评论:0      收藏:0      [点我收藏+]

标签:bs4   show   title   menu   自己   bsp   html   style   http   

1、用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源。

import requests
from bs4 import BeautifulSoup

url_main="http://news.gzcc.cn/html/xiaoyuanxinwen/"
res = requests.get(url_main)
res.encoding = utf-8

soup = BeautifulSoup(res.text,html.parser)
li = soup.select(li)
for li_title in li:
    if len(li_title.select(.news-list-title))>0:
        herf = li_title.select(a)[0][href]
        title = li_title.select(.news-list-title)[0].text
        time = li_title.select(span)[0].text
        info = li_title.select(span)[1].text
        li_res = requests.get(herf)
        li_res.encoding = utf-8
        li_soup = BeautifulSoup(li_res.text,html.parser)
        li_text = li_soup.select(.show-content)[0].text
        print(time,title,herf,info,\n,li_text)

结果:

技术分享

2、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

url_main="https://www.jd.com/?cu=true&utm_source=kong&utm_medium=unionliaotian&utm_campaign=t_1000222402_&utm_term=ecac100033064339b9fad5482e8396e9&abt=3"
res = requests.get(url_main)
res.encoding = utf-8

soup = BeautifulSoup(res.text,html.parser)
jd = soup.select(.cate_menu_lk)
for lk in jd:
    print(lk.text)

结果:

技术分享

 

用requests库和BeautifulSoup4库爬取新闻列表

标签:bs4   show   title   menu   自己   bsp   html   style   http   

原文地址:http://www.cnblogs.com/xieruikai/p/7605575.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!