chinadialy 部分文字抓取

import requests
from bs4 import BeautifulSoup
url = "http://www.chinadaily.com.cn"
html = requests.get(url).text
data = list()
soup = BeautifulSoup(html, "lxml")
news = soup.find_all("div",{"class":"item"})
for index,new in enumerate(news):
    content_url = "http:" + new.a["href"]
    data.append(content_url + "\n")
    print(content_url)
    content_html = requests.get(content_url).text
    content_soup = BeautifulSoup(content_html, "lxml")
    h = content_soup.find("h1") 
   
    #print(h.text)
    data.append(h.text + "\n")
    #print(data)
    contents = content_soup.find("div", {"id":"Content"})
    try:
        p = contents.find_all("p")  #str段落
        for content in p:
            data.append(content.text + "\n")
        image_content =contents.find('figure',{"class":"image"})
        
        for figcontent in image_content.find("figcaption"):     #图片中的str
            data.append(figcontent.text + '\n')
    except:   #出更异常跳过
        pass
   
       
    
       
print(data)
with open("chinadialy.txt","w",encoding = "utf-8") as f:
    f.write("".join(data))
            
   
        

  • 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