爬取校园新闻首页的新闻

最新推荐文章于 2025-09-10 17:59:49 发布

转载最新推荐文章于 2025-09-10 17:59:49 发布 · 53 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/xujinpei/p/8779839.html

文章标签：

#python

本文介绍了一个使用Python的requests和BeautifulSoup库爬取校园新闻的方法，包括新闻标题、链接及正文内容，并进一步解析了每篇新闻的发布时间、作者、来源等信息。

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
newsurl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'
res = requests.get(newsurl)  # 返回response对象
res.encoding = 'utf-8'
from bs4 import BeautifulSoup
soup = BeautifulSoup(res.text, 'html.parser')
for news in soup.select("li"):
    if(len(news.select('.news-list-info'))>0):
        print(news.select('a')[0].attrs['href'])
        print(news.select('.news-list-title')[0].text)
        a = news.select('a')[0].attrs['href']
        rq = requests.get(a)
        rq.encoding="utf-8"
        soup2 =  BeautifulSoup(rq.text, 'html.parser')
        print(soup2.select("#content")[0].text)

　　效果显示如下图所示：

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。

show = soup2.select(".show-info")[0].text.split()
dt = show[0].lstrip('发布时间:') + " " + show[1]
writer = show[2].lstrip('作者：')
sh = show[3].lstrip('审核：')
ly = show[4].lstrip('来源：')

print(dt,"\t", writer,"\t", sh, "\t",ly)

效果显示如下图所示：

3. 将其中的发布时间由str转换成datetime类型。

 from datetime import datetime
        da = datetime.strptime(dt,"%Y-%m-%d %H:%M:%S")
        print(type(da))
        print(da,writer,sh,ly)
        break;

　　效果显示如下图所示：