zoukankan      html  css  js  c++  java
  • 爬虫练习

    import requests
    url='http://localhost:63342/Python%E8%BF%90%E8%A1%8C%E9%A1%B9%E7%9B%AE/sd.html?_ijt=7odtctsgf0pdru995lumvln8me'
    res=requests.get(url)
    res.status_code
    res.encoding='utf-8'


    from bs4 import BeautifulSoup
    soud=BeautifulSoup(res.text,'html.parser')


    1:取出h1标签的文本
    print(soud.head.title.text)


    2:取出a标签的链接

    print(soud.a.attrs)


    3:取出所有li标签的所有内容

    print(soud.li.text)


    4:取出一条新闻的标题、链接、发布时间、来源
    标题:
    print(soud.select('.news-list-title')[0].text)

    链接:
    print(soud.li.a.attrs)

    发布时间:
    print(soud.select('.news-list-info')[0].contents[0].text)

    来源:
    print(soud.select('.news-list-info')[0].contents[1].text)




    <!DOCTYPE html>
    <html lang="en">
    <head>
    <meta charset="UTF-8">
    <title>Simple DOM Demo</title>
    </head>

    <body>
    <h1>This is the document body</h1>
    <P ID = "p1Node">This is paragraph 1.</P>
    <P ID = "p2Node">段落2</P>
    <a href="http://www.gzcc.cn/">广州商学院</a>

    <li>
    <a href="http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0328/9113.html">
    <div class="news-list-text">
    <div class="news-list-title" style="">我校校长杨文轩教授讲授新学期“思政第一课”</div>
    <div class="news-list-description">3月27日下午,我校校长杨文轩教授在第四教学楼310室为学生讲授了新学期“思政第一课”。</div>
    <div class="news-list-info"><span><i class="fa fa-clock-o"></i>2018-03-28</span><span><i class="fa fa-building-o"></i>马克思主义学院</span></div>
    </div>
    </a>
    </li>
    </body>
    </html>
  • 相关阅读:
    了解外界的窗口
    博客添加卡通精灵
    LINUX chage 命令 以及常用参数
    Linux系统 端口知识以及相关监听工具
    Linux 常用命令之cp
    树莓派的知识分享
    ghost一键备份还原工具使用指南
    使用rsync在Windows(服务端)与Linux (客户端)之间的同步
    制作linux 随身碟
    白嫖!1000+个常用的Linux命令!
  • 原文地址:https://www.cnblogs.com/qq1141100952com/p/8668101.html
Copyright © 2011-2022 走看看