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 16:51:39      阅读:160      评论:0      收藏:0      [点我收藏+]

标签:images   列表   pre   list   get   from   logs   parse   .sh   

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)

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
jq=http://news.qq.com/l/milite/milgn/list2010122872223.htm
res = requests.get(jq)
res.encoding=gb2312
soup = BeautifulSoup(res.text,html.parser)

for news in soup.select(li):
if len(news.select(a))>0:
title=news.select(a)[0].text
url=news.select(a)[0][href]
#time=news.select(‘span‘)[0].contents[0].text
#print(time,title,url)
print(title,url)

技术分享

用requests库和BeautifulSoup4库爬取新闻列表

标签:images   列表   pre   list   get   from   logs   parse   .sh   

原文地址:http://www.cnblogs.com/chanzt/p/7606541.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!