• 用requests库和BeautifulSoup4库爬取新闻列表


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

     

    import requests
    from bs4 import BeautifulSoup
    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:
    title=news.select('.news-list-title')[0].text #标题
    time=news.select('.news-list-info')[0].contents[0].text#时间
    url1=news.select('a')[0]['href']#url
    bumen=news.select('.news-list-info')[0].contents[1].text#部门
    description=news.select('.news-list-description')[0].text #描述
    print(time,title,bumen,url)

    • 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。
     

    import requests
    from bs4 import BeautifulSoup
    jq='http://news.qq.com/l/milite/milgn/list2010122872223.htm'
    res = requests.get(jq)
    res.encoding='gb2312'
    soup = BeautifulSoup(res.text,'html.parser')

    for news in soup.select('li'):
    if len(news.select('a'))>0:
    title=news.select('a')[0].text
    url=news.select('a')[0]['href']
    #time=news.select('span')[0].contents[0].text
    #print(time,title,url)
    print(title,url)

  • 相关阅读:
    LeetCode 21. 合并两个有序链表
    LeetCode 20. 有效的括号
    LeetCode 19. 删除链表的倒数第N个节点
    AI
    http
    IP地址
    wiodows /linux CMD
    git
    AI
    JS常用的获取值和设值的方法
  • 原文地址:https://www.cnblogs.com/sunshine-lp/p/7601656.html
Copyright © 2020-2023  润新知