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

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'))
        t=news.select('.news-list-title')[0].text#取标题
        dt=news.select('.news-list-info')[0].contents[0].text#取日期
        a=news.select('a')[0].attrs['href']#取链接

        resd=requests.get(a)
        resd.encoding='utf-8'
        soupd=BeautifulSoup(resd.text,'html.parser')
        print(news.select('.news-list-title')[0].text)#取标题
        print(news.select('a')[0].attrs['href'])#取链接
        print(soupd.select('#content')[0].text)#取整篇文章
        break

2. 分析字符串，获取每篇新闻的发布时间，作者，来源，摄影。

   info=soupd.select('.show-info')[0].text
        dt=info.lstrip('发布时间:')[:19]#发布时间
        i=info.find('来源:')
        if i > 0:
            s = info[info.find('来源:'):].split()[0].lstrip('来源:')  # 来源
            print(s)
        y = info.find('摄影：')
        if y > 0:
            u = info[info.find('摄影：'):].split()[0].replace('摄影：')  # 摄影
            print(u)
            a = info.find('作者：')
            if a > 0:
                l = info[info.find('作者：'):].split()[0].replace('作者：')  # 作者
                print(l)
            print(info.lstrip('发布时间:')[:19])

3. 将其中的发布时间由str转换成datetime类型。

from _datetime import datetime
str = '2018-03-30 17:10:12'
dt =datetime.strptime(str,'%Y-%m-%d %H:%M:%S')
now = datetime.now()
type(now)
now.strftime("%Y-%m-%d %H:%M:%S")