zoukankan      html  css  js  c++  java
  • 爬取校园新闻首页的新闻

    import requests
    
    from bs4 import BeautifulSoup
    from datetime import datetime
    
    url="http://news.gzcc.cn/html/xiaoyuanxinwen/"
    res=requests.get(url)
    res.encoding="utf-8"
    
    soup=BeautifulSoup(res.text,"html.parser")
    for news in soup.select("li"):
        if len(news.select(".news-list-title")) > 0:
            print(news.select(".news-list-title"))
    
    for news in soup.select("li"):
        if len(news.select(".news-list-title")) > 0:
            t=news.select('.news-list-title')[0].text
            dt=news.select('.news-list-info')[0].contents[0].text
            a = news.select('a')[0].attrs['href']
            print(t,dt,a,'
    ')
    for news in soup.select("li"):
     if len(news.select(".news-list-title")) > 0:
            a = news.select('a')[0].attrs['href']#新闻链接
            t = news.select('.news-list-title')[0].text#标题
            res1=requests.get(a)
            res1.encoding='utf-8'
            soup1=BeautifulSoup(res1.text,'html.parser')
            dt=soup1.select('.show-info')[0].text#时间
            print(t,'
    ',dt,'
    ')
            print(soup1.select('#content')[0].text)#内容
            t1=dt.lstrip('发布时间:')[:19]
            i=dt.find('摄影:')
            s=dt[dt.find('来源:'):].split()[0].lstrip('来源:')
            a = dt[dt.find('作者:'):].split()[0].lstrip('作者:')
            if i>0:
                p = dt[dt.find('摄影:'):].split()[0].lstrip('摄影:')
                print(t1,a,s,p)
            break
    str = '2018-03-30 17:10:12 '
    datetime.strptime(str,'%Y-%m-%d %H:%M:%S ')
    print('
    
    ',str)
  • 相关阅读:
    <爬虫实例> 8684公交网-太原公交线路信息
    <爬虫> requests模块
    爬虫四 selenium + phantomjs & Headless Chrome
    爬虫三 bs4&xpath&jsonpath
    爬虫二 cookie&正则
    爬虫一 发请求&定制请求&异常处理&配置代理
    抽屉页面设计
    HTML标签及其属性
    Python之路 day3 高阶函数
    Python之路 day3 递归函数
  • 原文地址:https://www.cnblogs.com/dean666/p/8870221.html
Copyright © 2011-2022 走看看