码迷,mamicode.com
首页 > 其他好文 > 详细

爬取校园新闻首页的新闻

时间:2018-04-03 23:45:12      阅读:223      评论:0      收藏:0      [点我收藏+]

标签:strip   text   ati   正文   beautiful   截图   requests   技术分享   html   

1. 用requests库和BeautifulSoup库,爬取校园新闻首页新闻的标题、链接、正文。

import requests
from bs4 import BeautifulSoup
from datetime import datetime
res = requests.get(‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘)
res.encoding = ‘utf-8‘
soup = BeautifulSoup(res.text,‘html.parser‘)
for news in soup.select(‘li‘):
    if len(news.select(‘.news-list-title‘))>0:
        t = news.select(‘.news-list-title‘)[0].text #标题
        a = news.select(‘a‘)[0].attrs[‘href‘]  # 链接
        resd = requests.get(a)
        resd.encoding = ‘utf-8‘
        soupd = BeautifulSoup(resd.text, ‘html.parser‘)  # 打开新闻详情页
        c = soupd.select(‘#content‘)[0].text  # 正文
        print(t,a,c)

  

技术分享图片

 

2. 分析字符串,获取每篇新闻的发布时间,作者,来源,摄影等信息。

info = soupd.select(‘.show-info‘)[0].text
        print(info)

  

技术分享图片

 

3. 将其中的发布时间由str转换成datetime类型。

 dt = info.lstrip(‘发布时间:‘)[:19]  # 发布时间
        dati = datetime.strptime(dt, ‘%Y-%m-%d %H:%M:%S‘)
        print(dati)

  

 技术分享图片

 

 

4. 将完整的代码及运行结果截图发布在作业上。

import requests
from bs4 import BeautifulSoup
from datetime import datetime
res = requests.get(‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘)
res.encoding = ‘utf-8‘
soup = BeautifulSoup(res.text,‘html.parser‘)
for news in soup.select(‘li‘):
    if len(news.select(‘.news-list-title‘))>0:
        t = news.select(‘.news-list-title‘)[0].text #标题
        a = news.select(‘a‘)[0].attrs[‘href‘]  # 链接
        resd = requests.get(a)
        resd.encoding = ‘utf-8‘
        soupd = BeautifulSoup(resd.text, ‘html.parser‘)  # 打开新闻详情页
        c = soupd.select(‘#content‘)[0].text  # 正文
        #print(t,a,c)
        info = soupd.select(‘.show-info‘)[0].text
        #print(info)
        dt = info.lstrip(‘发布时间:‘)[:19]  # 发布时间
        dati = datetime.strptime(dt, ‘%Y-%m-%d %H:%M:%S‘)
        print(t,a,c,info,dati)
        break

  

技术分享图片

 

爬取校园新闻首页的新闻

标签:strip   text   ati   正文   beautiful   截图   requests   技术分享   html   

原文地址:https://www.cnblogs.com/yjxblog/p/8710047.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!