爬取校园新闻首页的新闻
Posted Ming.杰
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
newsurl = \'http://news.gzcc.cn/html/xiaoyuanxinwen/\'
res = requests.get(newsurl) # 返回response对象
res.encoding = \'utf-8\'
from bs4 import BeautifulSoup
soup = BeautifulSoup(res.text, \'html.parser\')
for news in soup.select("li"):
if(len(news.select(\'.news-list-info\'))>0):
print(news.select(\'a\')[0].attrs[\'href\'])
print(news.select(\'.news-list-title\')[0].text)
a = news.select(\'a\')[0].attrs[\'href\']
rq = requests.get(a)
rq.encoding="utf-8"
soup2 = BeautifulSoup(rq.text, \'html.parser\')
print(soup2.select("#content")[0].text)
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 = soup.select(".show-info")[0].text author = info[info.find(\'作者:\'):].split()[0].lstrip(\'作者:\') source = info[info.find(\'来源:\'):].split()[0].lstrip(\'来源:\') Auditing = info[info.find(\'审核:\'):].split()[0].lstrip(\'审核:\') photo = info[info.find(\'摄影:\'):].split()[0].lstrip(\'摄影:\') print(author,source,Auditing,photo)
3. 将其中的发布时间由str转换成datetime类型。
from datetime import datetime da = datetime.strptime(dt,"%Y-%m-%d %H:%M:%S") print(type(da)) print(da,writer,sh,ly) 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