爬取校园新闻首页的新闻

1. 用requests库和BeautifulSoup库，爬取校园新闻首页新闻的标题、链接、正文。

import requests
from bs4 import BeautifulSoup
from datetime import datetime
newsurl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'
res = requests.get(newsurl)
res.encoding = 'utf-8'
soup = BeautifulSoup(res.text,'html.parser')
a=soup.select('li')
for news in a:
    if len(news.select('.news-list-title'))>0:
        # 获取标题
        b=news.select('.news-list-title')[0].contents[0]
        # 获取链接接
        c = news.select('a')[0].attrs['href']
        # 获取正文
        res1 = requests.get(c)
        res1.encoding = 'utf-8'
        soup1 = BeautifulSoup(res1.text, 'html.parser')
        d=soup1.select('#content')[0].text

2. 分析字符串，获取每篇新闻的发布时间，作者，来源，摄影等信息。

#发布时间
        info = soup1.select(".show-info")[0].text;
        e = info.lstrip('发布时间:')[:19]
        #作者
        f=info[info.find('作者：'):info.find('审核：')].lstrip('作者：').split()[0]
        #来源
        g = info[info.find('来源：'):info.find('点击：')].lstrip('来源：').split()[0]
        #摄影
        h = info[info.find('摄影：'):].split()[0].lstrip('摄影：')

3. 将其中的发布时间由str转换成datetime类型。

# 获取当前的时间
        now_time = datetime.now();
        now_time.year
        # 将字符串转化为时间
        print(datetime.strptime(e, "%Y-%m-%d %H:%M:%S"))
        # 将时间转化为字符串
        print(now_time.strftime('%Y\%m\%d'))

4. 将完整的代码及运行结果截图发布在作业上。

import requests
from bs4 import BeautifulSoup
from datetime import datetime
newsurl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'
res = requests.get(newsurl)
res.encoding = 'utf-8'
soup = BeautifulSoup(res.text,'html.parser')
a=soup.select('li')
for news in a:
    if len(news.select('.news-list-title'))>0:
        # 获取标题
        b=news.select('.news-list-title')[0].contents[0]
        # 获取链接接
        c = news.select('a')[0].attrs['href']
        # 获取正文
        res1 = requests.get(c)
        res1.encoding = 'utf-8'
        soup1 = BeautifulSoup(res1.text, 'html.parser')
        d=soup1.select('#content')[0].text
        # print(b+" "+c+" "+d)
        #发布时间
        info = soup1.select(".show-info")[0].text;
        e = info.lstrip('发布时间:')[:19]
        #作者
        f=info[info.find('作者：'):info.find('审核：')].lstrip('作者：').split()[0]
        #来源
        g = info[info.find('来源：'):info.find('点击：')].lstrip('来源：').split()[0]
        #摄影
        h = info[info.find('摄影：'):].split()[0].lstrip('摄影：')
        # 获取当前的时间
        now_time = datetime.now();
        now_time.year
        # 将字符串转化为时间
        # print(datetime.strptime(e, "%Y-%m-%d %H:%M:%S"))
        # 将时间转化为字符串
        print(b+" "+c+" "+e+" "+f+" "+g+" "+" "+h+" "+now_time.strftime('%Y\%m\%d'));