用requests库和BeautifulSoup4库爬取新闻列表
Posted OK丁
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了用requests库和BeautifulSoup4库爬取新闻列表相关的知识,希望对你有一定的参考价值。
1.用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源。
import requests from bs4 import BeautifulSoup network = \'http://news.gzcc.cn/html/jxky/\' res = requests.get(network) res.encoding=\'utf-8\' soup = BeautifulSoup(res.text,\'html.parser\') for news in soup.select(\'li\'): if len(news.select(\'.news-list-title\'))>0: title = news.select(\'.news-list-title\')[0].text url = news.select(\'a\')[0][\'href\'] time = news.select(\'.news-list-info\')[0].contents[0].text main = news.select(\'.news-list-description\')[0].text source = news.select(\'.news-list-info\')[0].contents[1].text print(\'链接:{}\'.format(url)) print(\'标题:{}\'.format(title)) print(\'正文:{}\'.format(main)) print(\'时间:{}\'.format(time)) print(\'来源:{}\'.format(source))
3.将其中的时间str转换成datetime类型。
import requests from bs4 import BeautifulSoup from datetime import datetime network = \'http://news.gzcc.cn/html/jxky/\' res = requests.get(network) res.encoding=\'utf-8\' soup = BeautifulSoup(res.text,\'html.parser\') for news in soup.select(\'li\'): if len(news.select(\'.news-list-title\'))>0: title = news.select(\'.news-list-title\')[0].text url = news.select(\'a\')[0][\'href\'] time = news.select(\'.news-list-info\')[0].contents[0].text timed = datetime.strptime(time,\'%Y-%m-%d\') main = news.select(\'.news-list-description\')[0].text source = news.select(\'.news-list-info\')[0].contents[1].text print(\'链接:{}\'.format(url)) print(\'标题:{}\'.format(title)) print(\'正文:{}\'.format(main)) print(\'时间:{}\'.format(timed)) print(\'来源:{}\'.format(source))
4.选一个自己感兴趣的主题,做类似的操作,为“爬取网络数据并进行文本分析”做准备。
以上是关于用requests库和BeautifulSoup4库爬取新闻列表的主要内容,如果未能解决你的问题,请参考以下文章
用requests库和BeautifulSoup4库爬取新闻列表
用requests库和BeautifulSoup4库爬取新闻列表
用requests库和BeautifulSoup4库爬取新闻列表
用requests库和BeautifulSoup4库爬取新闻列表