• 爬取校园新闻首页的新闻


    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
    ww= requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/')
    ww.encoding = 'utf-8'
    soup = BeautifulSoup(ww.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。

        ws = info.lstrip('发布时间:')[:19]  # 发布时间
            da = datetime.strptime(ws, '%Y-%m-%d %H:%M:%S')
            print(da)

    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
    ww= requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/')
    ww.encoding = 'utf-8'
    soup = BeautifulSoup(ww.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
            info = soupd.select('.show-info')[0].text
            ws = info.lstrip('发布时间:')[:19]  # 发布时间
            da = datetime.strptime(ws, '%Y-%m-%d %H:%M:%S')
            print(t,a,c,info,da)
            break

  • 相关阅读:
    Day015 PAT乙级 1013 数素数
    Day014 PAT乙级 1012 数字分类
    Day013 PAT乙级 1007 素数对猜想
    Day012 PAT乙级 1005 继续(3n+1)猜想
    Day011 PAT乙级 1003 我要通过
    Day010 PAT乙级 1002 写出这个数
    Day009 洛谷 P5707 上学迟到
    Day008 洛谷 P2181 对角线
    Day007 Java异常处理
    Fetch()
  • 原文地址:https://www.cnblogs.com/candyxue/p/8717731.html
Copyright © 2020-2023  润新知