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:2018-04-04 18:06:35      阅读:175      评论:0      收藏:0      [点我收藏+]

标签:新闻   body   分享图片   time   分享   split()   bubuko   alt   信息   

import requests

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


# 利用BeautifulSoup的HTML解析器,生成结构树
from bs4 import BeautifulSoup
soup = BeautifulSoup(res.text, ‘html.parser‘)

for news in soup.select(‘li‘):
    if len(news.select(‘.news-list-title‘)) > 0:
        #首页文章标题
        title = news.select(‘.news-list-title‘)[0].text
        #首页文章描述
        description = news.select(‘.news-list-description‘)[0].text
        #首页文章信息
        info = news.select(‘.news-list-info‘)[0].text
        #首页文章链接
        href = news.select(‘a‘)[0][‘href‘]

        url = href
        res= requests.get(url)
        res.encoding = ‘utf-8‘
        soup = BeautifulSoup(res.text, ‘html.parser‘)

        #获取每篇文章的信息
        newinfo = soup.select(‘.show-info‘)[0].text

        #获取文章内容
        content = soup.select(‘#content‘)[0].text

        #日期
        date = newinfo.split()[0]
        #当日时间
        time = newinfo.split()[1]
        #作者
        author = newinfo.split()[2]
        #审核
        checker = newinfo.split()[3]
        #来源
        source = newinfo.split()[4]


        print(‘------------------------------------------------------------------------------‘)
        print("文章标题:" + title )
        print("\n文章描述:" + description )
        print("\n文章信息:\n"+date +‘ ‘+ time +‘\n‘+ author +‘\n‘+ checker +‘\n‘+ source)
        print("\n文章链接:" + href )
        print(content)
        print(‘------------------------------------------------------------------------------‘)

 技术分享图片

爬取校园新闻首页的新闻

标签:新闻   body   分享图片   time   分享   split()   bubuko   alt   信息   

原文地址:https://www.cnblogs.com/FZW1874402927/p/8718073.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!