- 用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源、详细内容。
- 将其中的时间str转换成datetime类型。
- 将取得详细内容的代码包装成函数。
import requests from bs4 import BeautifulSoup from datetime import datetime news='http://news.gzcc.cn/html/xiaoyuanxinwen/' res=requests.get(news) res.encoding='utf-8' soup=BeautifulSoup(res.text,'html.parser') def getdetail(url): resd=requests.get(url) resd.encoding='utf-8' soup=BeautifulSoup(resd.text,'html.parser') return(soup.select('.show-content')[0].text) for news in soup.select ('li'): if len(news.select('.news-list-title'))>0: title=news.select('.news-list-title')[0].text #标题 url=news.select('a')[0]['href'] #链接 time=(news.select('.news-list-info')[0].contents[0].text) #时间 dt=datetime.strptime(time,'%Y-%m-%d') where=(news.select('.news-list-info')[0].contents[1].text) #来源 resd=requests.get(url) resd.encoding='utf-8' soup=BeautifulSoup(resd.text,'html.parser') detail=getdetail(url) #详情 print(dt,title,url,where,detail)
- 选一个自己感兴趣的主题,做类似的操作,为后面“爬取网络数据并进行文本分析”做准备。
import requests from bs4 import BeautifulSoup news='http://www.gdrsks.gov.cn/' res=requests.get(news) res.encoding='utf-8' soup=BeautifulSoup(res.text,'html.parser') for news in soup.select ('li'): if len(news.select('.node'))>0: t=news.select('.node')[0].text k=news.select('.title')[0].text url=news.select('a')[0]['href'] #链接 print(t,k,url)
转载于:https://www.cnblogs.com/lcm1995/p/7607061.html