zoukankan      html  css  js  c++  java
  • 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:
            d = news.select('.news-list-info')[0].contents[0].text  #时间
            t = news.select('.news-list-title')[0].text  #标题
            a = news.select('a')[0].attrs['href']   #连接
            print(d, t, a)      
            # 通过连接获取新闻网页
            res2 = requests.get(a)
            res2.encoding = 'utf-8'
            soup2 = BeautifulSoup(res2.text, 'html.parser')
            # 取得新闻正文
            z=soup2.select('#content')[0].text
            print(z)
            break
    

      

    2. 分析字符串,获取每篇新闻的发布时间,作者,来源等信息。
    
     #取得发布时间、作者等数据项
            info=soup2.select('.show-info')[0].text
            # print(info)
            dt = info.lstrip('发布时间:')[:19]
            at = info[info.find('作者:'):].split()[0].lstrip('作者:')
            sh = info[info.find('审核:'):].split()[0].lstrip('审核:')
            ly = info[info.find('来源:'):].split()[0].lstrip('来源:')
            print(dt, at, sh, ly)
    

      

    3. 将其中的发布时间由str转换成datetime类型。
    
    from datetime import datetime
            dati = datetime.strptime(dt, '%Y-%m-%d %H:%M:%S')
            print(dati, dati.strftime('%Y/%m/%d'))
    

      

  • 相关阅读:
    MD5加密 + 盐
    SQLite数据库--C#访问加密的SQLite数据库
    SQLite问题笔记
    微信开发--Two.菜单生成
    NOIP2018游记(更新完毕)
    HNOI2019 游记
    JXOI2017-2018 解题报告
    网络流20+4题解题报告(已更前20题)
    CodeForces528A (STLset)
    CodeForces 140C New Year Snowmen(堆)
  • 原文地址:https://www.cnblogs.com/wenjian1027/p/8710931.html
Copyright © 2011-2022 走看看