码迷,mamicode.com
首页 > 其他好文 > 详细

网络爬虫基本练习

时间:2018-03-29 13:33:52      阅读:101      评论:0      收藏:0      [点我收藏+]

标签:select   port   pre   col   .gz   attr   inf   发布   nbsp   

1.取出h1标签的文本

import requests
url = http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0328/9113.html
res = requests.get(url)
res.encoding=utf-8
from bs4 import BeautifulSoup
soup = BeautifulSoup(res.text,html.parser)
soup.h1.text

2.取出a标签的链接

soup.a.attrs.get(href)

3.取出所有li标签的所有内容

 for i in soup.select(li):
    print(i.text)

4.取出一条新闻的标题、链接、发布时间、来源

soup.select(.news-list-title)[0].text
soup.select(li)[1].a.attrs[href]
soup.select(.news-list-info)[0].contents[0].text
soup.select(.news-list-info)[0].contents[1].text

 

网络爬虫基本练习

标签:select   port   pre   col   .gz   attr   inf   发布   nbsp   

原文地址:https://www.cnblogs.com/guoyaowen/p/8669108.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!