标签：一个 爬取 nbsp enc requests 列表 http imp 自己
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=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘ res=requests.get(url) res.encoding=‘utf-8‘ soup=BeautifulSoup(res.text,‘html.parser‘) for news in soup.select(‘li‘): if len(news.select(‘.news-list-title‘))>0: title=news.select(‘.news-list-title‘)[0].text time=news.select(‘.news-list-info‘)[0].contents[0].text url=news.select(‘a‘)[0][‘href‘] thumb=news.select(‘.news-list-thumb‘)[0].contents[0] print(time) print(title) print(url) print(thumb)
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://sports.qq.com/nba/‘ res = requests.get(jq) res.encoding=‘utf-8‘ 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)
用requests库和BeautifulSoup4库爬取新闻列表
标签：一个 爬取 nbsp enc requests 列表 http imp 自己
原文地址：http://www.cnblogs.com/zhoujinpeng/p/7612700.html
