爬取校园新闻首页的新闻

Posted 独毒诚

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬取校园新闻首页的新闻相关的知识,希望对你有一定的参考价值。

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\')
for new in soup.select(\'li\'):
    if len(new.select(\'.news-list-info\'))>0:
        s0 = new.select(\'.news-list-title\')[0].text# 标题内容
        s1 = new.select(\'a\')[0].attrs[\'href\']  # 链接
        resd=requests.get(s1)
        resd.encoding = \'utf-8\'
        soupd = BeautifulSoup(resd.text, \'html.parser\')
        s2 = soupd.select(\'#content\')[0].text  #正文
        print(s1,s0,s2)

  

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
from datetime import datetime
url=\'http://news.gzcc.cn/html/xiaoyuanxinwen/\'
res=requests.get(url)
res.encoding=\'utf-8\'
soup=BeautifulSoup(res.text,\'html.parser\')
for new in soup.select(\'li\'):
    if len(new.select(\'.news-list-info\'))>0:
        s1 = new.select(\'a\')[0].attrs[\'href\']  # 链接
        resd=requests.get(s1)
        resd.encoding = \'utf-8\'
        soupd = BeautifulSoup(resd.text, \'html.parser\')
        info=soupd.select(\'.show-info\')[0].text
        dt=info.lstrip(\'发布时间:\')[:19]#发布时间
        sh=info[info.find(\'作者:\'):].split()[0].lstrip(\'作者:\') #作者
        sh1 = info[info.find(\'审核:\'):].split()[0].lstrip(\'审核:\')  # 审核
        sh2 = info[info.find(\'来源:\'):].split()[0].lstrip(\'来源:\')  # 来源
        print(\'发布时间:\'+dt+\'\\t作者:\'+sh+\'\\t审核:\'+sh1+\'\\t来源:\'+sh2)

  

3. 将其中的发布时间由str转换成datetime类型。

import requests
from bs4 import BeautifulSoup
from datetime import datetime
url=\'http://news.gzcc.cn/html/xiaoyuanxinwen/\'
res=requests.get(url)
res.encoding=\'utf-8\'
soup=BeautifulSoup(res.text,\'html.parser\')
for new in soup.select(\'li\'):
    if len(new.select(\'.news-list-info\'))>0:
        s1 = new.select(\'a\')[0].attrs[\'href\']  # 链接
        resd=requests.get(s1)
        resd.encoding = \'utf-8\'
        soupd = BeautifulSoup(resd.text, \'html.parser\')
        info=soupd.select(\'.show-info\')[0].text
        dt=info.lstrip(\'发布时间:\')[:19]#发布时间
        dati=datetime.strptime(dt,\'%Y-%m-%d %H:%M:%S\')
        print(dati)

  

以上是关于爬取校园新闻首页的新闻的主要内容,如果未能解决你的问题,请参考以下文章

爬取校园新闻首页的新闻

爬取校园新闻首页的新闻

爬取校园新闻首页的新闻

爬取校园新闻首页的新闻

爬取校园新闻首页的新闻

爬取校园新闻首页的新闻