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

 

posted on 2018-04-04 15:59  249伍思敏  阅读(79)  评论(0编辑  收藏  举报

导航