zoukankan      html  css  js  c++  java
  • 用requests库和BeautifulSoup4库爬取新闻列表

    • 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)

  • 相关阅读:
    友链
    P2572 [SCOI2010]序列操作
    「THP3考前信心赛」解题报告
    DP中的树上边/点覆盖问题
    P3413 SAC#1
    luoguP6754 [BalticOI 2013 Day1] Palindrome-Free Numbers
    睿智错误
    常见套路?
    奇怪的点子
    最近做过一些比较好的题
  • 原文地址:https://www.cnblogs.com/lcm1995/p/7607061.html
Copyright © 2011-2022 走看看