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
newsurl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'
res = requests.get(newsurl) # 返回response对象
res.encoding = 'utf-8'
from bs4 import BeautifulSoup
soup = BeautifulSoup(res.text, 'html.parser')
for news in soup.select("li"):

if(len(news.select('.news-list-info'))>0):
print(news.select('a')[0].attrs['href'])
print(news.select('.news-list-title')[0].text)
a = news.select('a')[0].attrs['href']
rq = requests.get(a)
rq.encoding="utf-8"
soup2 = BeautifulSoup(rq.text, 'html.parser')
print(soup2.select("#content")[0].text)
 

 

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 = soup.select(".show-info")[0].text

    author = info[info.find('作者:'):].split()[0].lstrip('作者:')
    source = info[info.find('来源:'):].split()[0].lstrip('来源:')
    Auditing = info[info.find('审核:'):].split()[0].lstrip('审核:')
    photo = info[info.find('摄影:'):].split()[0].lstrip('摄影:')

    print(author,source,Auditing,photo)

3. 将其中的发布时间由str转换成datetime类型。

        from datetime import datetime
        da = datetime.strptime(dt,"%Y-%m-%d %H:%M:%S")
        print(type(da))
        print(da,writer,sh,ly)
        break;

 

转载于:https://www.cnblogs.com/Ming-jay/p/8710042.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值