用requests库和BeautifulSoup4库爬取新闻列表
Posted 吴林鸿
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。
- 用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源、详细内容。
- 将其中的时间str转换成datetime类型。
- 将取得详细内容的代码包装成函数。
from datetime import datetime import requests from bs4 import BeautifulSoup html=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘ res = requests.get(html) res.encoding=‘utf-8‘ soup = BeautifulSoup(res.text,‘html.parser‘) def getdetail(htm): resd = requests.get(htm) resd.encoding=‘utf-8‘ soupd = BeautifulSoup(resd.text,‘html.parser‘) return soupd.select(‘.show-content‘)[0].text for news in soup.select(‘li‘): if len(news.select(‘.news-list-title‘))>0: htm = news.select(‘a‘)[0][‘href‘] print (news.select(‘a‘)[0][‘href‘]) print (news.select(‘.news-list-title‘)[0].text) time=news.select(‘.news-list-info‘)[0].contents[0].text print (datetime.strptime(time,‘%Y-%m-%d‘)) print (news.select(‘.news-list-info‘)[0].contents[1].text) detail = getdetail(htm) print(detail)
- 选一个自己感兴趣的主题,做类似的操作,为后面“爬取网络数据并进行文本分析”做准备。
from datetime import datetime import requests from bs4 import BeautifulSoup html=‘http://mil.qq.com/mil_index.htm‘ res = requests.get(html) res.encoding=‘gb2312‘ soup = BeautifulSoup(res.text,‘html.parser‘) for news in soup.select(‘.Q-tpList‘): if len(news.select(‘.Q-tpWrap‘))>0: htm = news.select(‘a‘)[0][‘href‘] print (news.select(‘a‘)[0][‘href‘]) print (news.select(‘.linkto‘)[0].text) print (news.select(‘.from‘)[0].text) print (news.select(‘.discuzBtn‘)[0].text)
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