爬取新闻

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')

1. 用requests库和BeautifulSoup库,爬取校园新闻首页新闻的标题、链接、正文。

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
        res1=requests.get(a)
        res1.encoding='utf-8'
        soup1=BeautifulSoup(res1.text,'html.parser')
        d=soup1.select('#content')[0].text #正文
        print(t,a,d)

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。

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
        res1=requests.get(a)
        res1.encoding='utf-8'
        soup1=BeautifulSoup(res1.text,'html.parser')
        info=soup1.select('.show-info')[0].text
        print(info)

3. 将其中的发布时间由str转换成datetime类型。

from datetime import datetime
str = '2018-04-02 17:10:12 '
datetime.strptime(str,'%Y-%m-%d %H:%M:%S ')
print('\n',str)

转载于:https://www.cnblogs.com/BOBOWZH/p/8696625.html

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