1.用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源。
import requests from bs4 import BeautifulSoup url1='http://news.gzcc.cn/html/xiaoyuanxinwen/' res=requests.get(url1) res.encoding='utf-8' soup=BeautifulSoup(res.text,'html.parser') ##print(res.text) print("##########################################################################\n##########################################################################") for news in soup.select('li'): if len((news.select('.news-list-title')))>0: time=news.select('.news-list-info')[0].span.text#时间 title=news.select('.news-list-title')[0].contents[0]#标题 url=news.select('a')[0]['href']#链接 source=news.select('.news-list-info')[0].select('span')[1].text print( "时间:",time,"\t标题:",title,"\t链接:",url,"来源:",source)
结果:
2.选一个自己感兴趣的主题,做类似的操作,为“爬取网络数据并进行文本分析”做准备。