爬取校园新闻首页的新闻
Posted yinjinxiu
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 from datetime import datetime res = requests.get(\'http://news.gzcc.cn/html/xiaoyuanxinwen/\') res.encoding = \'utf-8\' soup = BeautifulSoup(res.text,\'html.parser\') for news in soup.select(\'li\'): if len(news.select(\'.news-list-title\'))>0: t = news.select(\'.news-list-title\')[0].text #标题 a = news.select(\'a\')[0].attrs[\'href\'] # 链接 resd = requests.get(a) resd.encoding = \'utf-8\' soupd = BeautifulSoup(resd.text, \'html.parser\') # 打开新闻详情页 c = soupd.select(\'#content\')[0].text # 正文 print(t,a,c)
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。
info = soupd.select(\'.show-info\')[0].text print(info)
3. 将其中的发布时间由str转换成datetime类型。
dt = info.lstrip(\'发布时间:\')[:19] # 发布时间 dati = datetime.strptime(dt, \'%Y-%m-%d %H:%M:%S\') print(dati)
4. 将完整的代码及运行结果截图发布在作业上。
import requests from bs4 import BeautifulSoup from datetime import datetime res = requests.get(\'http://news.gzcc.cn/html/xiaoyuanxinwen/\') res.encoding = \'utf-8\' soup = BeautifulSoup(res.text,\'html.parser\') for news in soup.select(\'li\'): if len(news.select(\'.news-list-title\'))>0: t = news.select(\'.news-list-title\')[0].text #标题 a = news.select(\'a\')[0].attrs[\'href\'] # 链接 resd = requests.get(a) resd.encoding = \'utf-8\' soupd = BeautifulSoup(resd.text, \'html.parser\') # 打开新闻详情页 c = soupd.select(\'#content\')[0].text # 正文 #print(t,a,c) info = soupd.select(\'.show-info\')[0].text #print(info) dt = info.lstrip(\'发布时间:\')[:19] # 发布时间 dati = datetime.strptime(dt, \'%Y-%m-%d %H:%M:%S\') print(t,a,c,info,dati) break
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