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 23:12:25      阅读:172      评论:0      收藏:0      [点我收藏+]

标签:esc   title   pos   图片   res   script   gpo   auth   strip   

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

url = http://news.gzcc.cn/html/xiaoyuanxinwen/
res = requests.get(url)
res.encoding = utf-8
soup = BeautifulSoup(res.text, html.parser)

news = soup.select(li)
for new in news:
    if len(new.select(.news-list-title)) > 0:
        title = new.select(.news-list-title)[0].text
        href = new.select(a)[0].attrs[href]
        text = new.select(.news-list-description)[0].text
        print(title)
        print(href)
        print(text+\n)

 图片只展示部分

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。

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)

news = soup.select(li)
for new in news:
    if len(new.select(.news-list-title)) > 0:
        title = new.select(.news-list-title)[0].text
        href = new.select(a)[0].attrs[href]
        text = new.select(.news-list-description)[0].text
        res = requests.get(href)
        res.encoding = utf-8
        soup = BeautifulSoup(res.text, html.parser)
        info = soup.select(.show-info)[0].text
        content = info.split()
        time = content[0].lstrip(发布时间:) + " " + content[1]
        author = content[2].lstrip(作者:)
        check = content[3].lstrip(审核:)
        source = content[4].lstrip("来源:")
        print(time, author, check, source)

技术分享图片

 

3. 将其中的发布时间由str转换成datetime类型。

from datetime import datetime
time = 2018-04-04 05:20:34
a = datetime.strptime(time, %Y-%m-%d %H:%M:%S)
print(type(a))
print(a, a.strftime(%Y/%m/%d))

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。

爬取校园新闻首页的新闻

标签:esc   title   pos   图片   res   script   gpo   auth   strip   

原文地址:https://www.cnblogs.com/REGzjm85/p/8719276.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!