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

用requests库和BeautifulSoup4库爬取新闻列表

用requests库和BeautifulSoup4库爬取新闻列表