爬取校园新闻首页的新闻

Posted 风丶轻轻

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

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:
        d = news.select(\'.news-list-info\')[0].contents[0].text #时间
        t = news.select(\'.news-list-title\')[0].text #标题
        a = news.select(\'a\')[0].attrs[\'href\'] #URL
        print(d, t, a)

  运行结果图:

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。

        res2 = requests.get(a)
        res2.encoding = \'utf-8\'
        soup2 = BeautifulSoup(res2.text,\'html.parser\')
        x = soup2.select(\'.show-content\')[0].text
        info = soup2.select(\'.show-info\')[0].text.split()
        # print(soup2.select(\'#content\')[0].text)
        s = info[0].lstrip(\'发布时间:\') + " " + info[1] #发布时间
        zz = info[2].lstrip(\'作者:\')  #作者
        sh = info[3].lstrip(\'审核:\')  #审核
        ly = info[4].lstrip("来源:")  #来源
        print(s,zz,sh,ly)

  运行结果图:

3. 将其中的发布时间由str转换成datetime类型。

from datetime import datetime
time = \'2018-04-01 11:57:00\'
a = datetime.strptime(time, \'%Y-%m-%d %H:%M:%S\')
print(type(a))
print(a, a.strftime(\'%Y/%m/%d\'))

 运行结果图:

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:
        d = news.select(\'.news-list-info\')[0].contents[0].text #时间
        t = news.select(\'.news-list-title\')[0].text #标题
        a = news.select(\'a\')[0].attrs[\'href\'] #URL
        print(d,t,a)
        res2 = requests.get(a)
        res2.encoding = \'utf-8\'
        soup2 = BeautifulSoup(res2.text,\'html.parser\')
        x = soup2.select(\'.show-content\')[0].text
        info = soup2.select(\'.show-info\')[0].text.split()
        # print(soup2.select(\'#content\')[0].text)
        s = info[0].lstrip(\'发布时间:\') + " " + info[1] #发布时间
        zz = info[2].lstrip(\'作者:\')  #作者
        sh = info[3].lstrip(\'审核:\')  #审核
        ly = info[4].lstrip("来源:")  #来源
        cc = datetime.strptime(s, \'%Y-%m-%d %H:%M:%S\')
        print(cc,type(cc))
        print(cc.strftime(\'%Y/%m/%d\'),zz,sh,ly)

  

  运行结果图

 

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