爬取校园新闻首页的新闻

Posted 2020-10-29 标弟

1. 用requests库和BeautifulSoup库，爬取校园新闻首页新闻的标题、链接、正文。

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。

3. 将其中的发布时间由str转换成datetime类型。

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
url=\'http://news.gzcc.cn/html/xiaoyuanxinwen/\'
res = requests.get(url)
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
        d = news.select(\'.news-list-info\')[0].contents[0].text
        s = news.select(\'.news-list-description\')[0].text
        a = news.select(\'a\')[0].attrs[\'href\']
        print(\'标题:\',t)
        print(\'时间\',d)
        print(\'正文\',s)
        print(\'链接\',a)

        Sres=requests.get(a)
        Sres.encoding=\'utf-8\'
        Ssoup=BeautifulSoup(Sres.text,\'html.parser\')

        c = Ssoup.select("#content")[0].text
        print(c)
        info = Ssoup.select(".show-info")[0].text
        print(info)
        dt = info.lstrip(\'发布时间:\')[:19]
        dati = datetime.strptime(dt,\'%Y-%m-%d %H:%M:%S\')
        wr = info[info.find(\'作者：\'):].split()[0].lstrip(\'作者:\')
        fr = info[info.find(\'来源：\'):].split()[0].lstrip(\'来源:\')
        print(\'发布时间:\',dati)
        print(\'作者\',wr)
        print(\'来源\',fr)
        break