python爬取校园新闻

最新推荐文章于 2024-05-30 10:08:42 发布

DYYLM

最新推荐文章于 2024-05-30 10:08:42 发布

阅读量722

点赞数

文章标签： python

本文链接：https://blog.csdn.net/qq_30139091/article/details/111568394

版权

本文介绍如何使用Python进行网络爬虫，通过实例详细解析如何爬取并解析校园网站上的新闻数据，涉及requests、BeautifulSoup等库的运用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from bs4 import BeautifulSoup
from urllib.parse import urljoin
import urllib.request
import urllib.parse

class Spider(object):
    #获取1到10页源码
    def main(self):
        # urls = []
        for i in range(1, 10):
            url='https://www.jhc.cn/4548/list' + str(i) + '.htm'
            request = urllib.request.Request(url)
            response = urllib.request.urlopen(request)
            html = response.read().decode('utf-8')
            # print(html)
            # print(url)
            self.load_page(html)

    # 获取1到10页中所有的url
    def load_page(self, html):
        soup = BeautifulSoup(html, 'lxml')
        divs = soup.select('.Article_Title')    #select类名查找..Article_Title
        for div in divs:
            ul = div.select('a')[0].get('href') #select标签名查找，获取href
            if ul.startswith('/2020/'):     #判断如果url中包含/2020/
                uls.append(urljoi