• python-网络爬虫


    1.用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源。

     1 import requests   #HTTP库 从html或xml中提取数据
     2 from bs4 import BeautifulSoup #爬虫库BeautifulSoup4
     3 url = requests.get("http://news.gzcc.cn/html/xiaoyuanxinwen/")
     4 url.encoding = "utf-8"
     5 soup = BeautifulSoup(url.text,'html.parser')
     6 #print(soup.head.title.text)
     7  
    8
    #找出含有特定标签的html元素:‘ID’前缀‘#’;‘class’前缀‘.’,其它直接soup.select('p') 9 for news in soup.select('li'): 10 if len(news.select('.news-list-title'))>0: 11 #print(news.select('.news-list-title')) #1.爬出的资料生成一个大列表 12 #print(news.select('.news-list-title')[0]) #2.取出了列表中的第一个元素 13 #print(news.select('.news-list-title')[0].text) #3.Bs4库text()负责取出文本 14 15 time = news.select('.news-list-info')[0].contents[0].text #时间 16 title = news.select('.news-list-title')[0].text #标题 17 href = news.select('a')[0]['href'] #链接 18 19 href_text = requests.get(href) #链接内容 20 href_text.encoding = "utf-8" 21 href_soup = BeautifulSoup(href_text.text,'html.parser') 22 href_text_body = href_soup.select('.show-content')[0].text 23 print(time,title,href,href_text_body)

    2.选一个自己感兴趣的主题,做类似的操作,为“爬取网络数据并进行文本分析”做准备。

     1 import requests  
     2 from bs4 import BeautifulSoup
     3 url= requests.get('https://www.bilibili.com')
     4 url.encoding="utf-8"
     5 soup=BeautifulSoup(url.text,'html.parser')#'html.parser'是HTML的解析器
     6 #print(soup)
     7 for titles in soup.select('.nav-name'):
     8 #    if len(titles.select('.nav-name'))>0:
     9 #        title=titles.select('.nav-name')[0].text
    10     print(titles.text)
    11 douga = soup.select('#bili_douga')
    12 for rank in donga.select('.rank-list hot-list'):
    13     
    14 
    15     if len(rank.select('.rank-list hot-list'))>0:
    16         ranks=rank.select('.rank-item highlight')[0].text
    17     print(ranks)

     

     并不能爬到“动画”里这个“排行”的url。

  • 相关阅读:
    前世今生:Hive、Shark、spark SQL
    spark streaming 6: BlockGenerator、RateLimiter
    spark streaming 5: InputDStream
    spark streaming 4: DStreamGraph JobScheduler
    常见css水平自适应布局
    js动态加载以及确定加载完成的代码
    如何判断css是否加载完成
    翻书特效
    jquery 事件冒泡的介绍以及如何阻止事件冒泡
    phonegap之android原生日历调用
  • 原文地址:https://www.cnblogs.com/maykok/p/7604533.html
Copyright © 2020-2023  润新知