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、详细内容。
- 将其中的时间str转换成datetime类型。
- 将取得详细内容的代码包装成函数。
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') def getdetail(url): resd=requests.get(url) resd.encoding='utf-8' soupd=BeautifulSoup(resd.text,'html.parser') return (soupd.select('.show-content')[0].text) for news in soup.select('li'): if len(news.select('.news-list-title'))>0: title=news.select('.news-list-title')[0].text url=news.select('a')[0]['href'] time=news.select('.news-list-info')[0].contents[0].text dt=datetime.strptime(time,'%Y-%m-%d') source=news.select('.news-list-info')[0].contents[1].text detail=getdetail(url) print(dt,title,url,source,detail) break
选一个自己感兴趣的主题,做类似的操作,为后面“爬取网络数据并进行文本分析”做准备。
import requests from bs4 import BeautifulSoup mt="http://gz.meituan.com/shop/2380968" res=requests.get(mt) res.encoding='utf-8' soup=BeautifulSoup(res.text,"html.parser") for news in soup.select('li'): if len(news.select('.title'))>0: titles=(news.select('.title')) print(titles)