import requests from bs4 import BeautifulSoup import os import re import traceback from datetime import datetime headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/110.0.0.0 Safari/537.36'} #获取一个新闻网页的内容,返回新闻dict和图片list def get_news(url): new_dict={} news_pic_list= [] try: #获取页面内容 res=requests.get(url,headers=headers) res.encoding=res.apparent_encoding #2.用BeautifulSoup提取标题、时间、作者、来源、正文、图片 soup = BeautifulSoup(res.text,'html.parser') #标题 new_title=soup.find('h1',class_='main-title').text #print(new_title) #时间 new_time=soup.select('span.date')[0].text #print(new_time) #作者 new_author=soup.find('p',class_='show_author').text #print(new_author) #来源 new_source=soup.select('.source')[0].text #pr
python爬虫新闻爬取
最新推荐文章于 2024-08-03 15:58:00 发布
该博客介绍了一种使用Python进行网络爬虫的方法,以获取新浪新闻的标题、时间、作者、来源、正文和图片。通过requests和BeautifulSoup库解析HTML,提取所需信息,并保存到本地文件。博客还包含了错误处理和新闻保存的完整流程。
摘要由CSDN通过智能技术生成