Python学习笔记(11) 如何用爬虫完整抓取搜狐新闻文章？

一、操作步骤

今天教大家抓取搜狐的新闻文章，重点讲解怎么抓取到完整的正文内容，怎么批量抓取到更多新闻，方法是通用的，大家可以应用到其他新闻网站的抓取，总体操作步骤如下：

二、案例+操作步骤

• 采集规则：搜狐新闻正文采集
• 样本网址：http://www.sohu.com/a/227999170_123753?_f=index_chan08news_8&qq-pf-to=pcqq.temporaryc2c
• 采集内容：新闻标题、作者、时间、正文

第一步、打开网页

1.1，打开集搜客软件，输入网址然后敲Enter键，等网页加载出来后再点击右上角的“定义规则”按钮，可以看到有一个浮窗显示出来，这是工作台，下面定义规则就会输出在上面。

1.2，在工作台输入主题名，然后点击查重，如果提示被占用，就要换一个名字，保证主题名是唯一的。

第二步：标注信息

2.1，在浏览器窗口里用鼠标单击想要抓取的内容，这里是选中