网络爬虫百度新闻标题及链接爬取

Posted 732jbw

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了网络爬虫百度新闻标题及链接爬取相关的知识,希望对你有一定的参考价值。

1.主题:百度新闻爬取

2.

python代码:

    

    import requests
    from bs4 import BeautifulSoup
    def gethtmlText(url):
      try:
        r = requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
      except:
        return ""
    def filllist(demo):
      soup=BeautifulSoup(demo,"html.parser")
      for i in soup.find_all("a"):
        list1=i.attrs
        print(i.text,end=‘ ‘)
        print(list1[‘href‘])
    def main():
      url="http://news.baidu.com/"
      demo=getHTMLText(url)
      getHTMLText(url)
      filllist(demo)
    main()

代码完成之后就是这个样子

技术图片

 

 

 

3.问题:在代码编写过程中,我遇到了很多问题,比如一开始用find函数总是出现错误,我也是看大家的代码才找到正确的打开方式。

    另外开始是这样的,一下子所有的属性都打出

    技术图片

 

 

 

  我的本意是只要链接的那部分属性,经过反复看视频和多次的实验终于解决了这个难题,形成了开头那个样子。很开心!

  但是开头和结尾还是有多余的部分不知道怎么解决,求助!

    技术图片 技术图片

 

 

以上是关于网络爬虫百度新闻标题及链接爬取的主要内容,如果未能解决你的问题,请参考以下文章

关于python网络爬虫——摘取新闻标题及链接

nodejs怎么才能用爬虫爬取https网页

Python网络爬虫之基本项目:爬取网易新闻排行榜

Python网络爬虫四通过关键字爬取多张百度图片的图片

Python网络爬虫四多线程爬取多张百度图片的图片

第三百三十四节,web爬虫讲解2—Scrapy框架爬虫—Scrapy爬取百度新闻,爬取Ajax动态生成的信息