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

res = requests.get("http://news.gzcc.cn/html/xiaoyuanxinwen/")
res.encoding = 'utf-8'
soup = BeautifulSoup(res.text, 'html.parser')
for news in soup.select('li'):
    if len(news.select('.news-list-title')) > 0:
        r = news.select('.news-list-title')[0].text  #正文内容
        d = news.select('.news-list-info')[0].contents[0].text #新闻发布时间
        t = news.select('.news-list-info')[0].contents[1].text  #来源
        g = news.select('a')[0].attrs['href'] #链接
        print(r,d,t,g)

　　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。

resd = requests.get(g)
        resd.encoding = 'utf-8'
        soupd = BeautifulSoup(resd.text, 'html.parser')
        x = soupd.select('.show-content')[0].text  
        t1 = soupd.select('.show-info')[0].text.split()   #每篇新闻的发布时间，作者，来源
        print(t1)
        s = t1[0].lstrip('发布时间:') + " " + t1[1]   #发布时间
        s1 = t1[2].lstrip('作者：')      #作者
        s2 = t1[3].lstrip('审核：')      #审核
        s3 = t1[4].lstrip("来源：")      #来源
        print(s, s1, s2, s3)

　　3. 将其中的发布时间由str转换成datetime类型。

now_time = datetime.now()
now_time.year
exchangetime = datetime.strptime(publish_time,"%Y-%m-%d %H:%M:%S") #字符转换为时间
exchangestring = now_time.strftime('%Y\%m\%d') #时间转换为字符
print(exchangetime)<br>print(exchangestring)

　　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
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:                        #时间
        d = news.select('.news-list-info')[0].contents[0].text
        t = news.select('.news-list-title')[0].text                   #标题
        a = news.select('a')[0].attrs['href']                           #连接
        print(d, t, a)
        # 通过连接获取新闻网页
        res2 = requests.get(a)
        res2.encoding = 'utf-8'
        soup2 = BeautifulSoup(res2.text, 'html.parser')
        # 取得新闻正文
        z=soup2.select('#content')[0].text
        print(z)
        #取得发布时间、作者等数据项
        info=soup2.select('.show-info')[0].text
        print(info)
        dt = info.lstrip('发布时间:')[:19]
        at = info[info.find('作者：'):info.find('审核：')].split()[0].lstrip('作者：')
        sh = info[info.find('审核：'):].split()[0].lstrip('审核：')
        ly = info[info.find('来源：'):].split()[0].lstrip('来源：')
        print(dt,at,sh,ly)
        from datetime import datetime
        dati = datetime.strptime(dt, '%Y-%m-%d %H:%M:%S')
        # print(type(dati))
        print(dati, dati.strftime('%Y/%m/%d'))
        break