爬取校园新闻首页的新闻

最新推荐文章于 2024-05-30 10:08:42 发布

weixin_34122548

最新推荐文章于 2024-05-30 10:08:42 发布

阅读量87

点赞数

CC 4.0 BY-SA版权

文章标签： python

原文链接：http://www.cnblogs.com/0056a/p/8692279.html

本文介绍了一个使用Python的requests库和BeautifulSoup库来爬取校园新闻网站的教程。具体包括了如何抓取新闻标题、链接及正文的方法，并进一步解析了如何获取新闻发布的时间、作者等元数据。此外，还介绍了如何将时间字符串转换为Python的datetime对象。

1. 用requests库和BeautifulSoup库，爬取校园新闻首页新闻的标题、链接、正文。

标题

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:

        break

for news in soup.select('li'):
    if len(news.select('.news-list-title'))>0:
        t = news.select('.news-list-title')[0].text
        print(t)
        break

链接

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:

        break

for news in soup.select('li'):
    if len(news.select('.news-list-title'))>0:
        t = news.select('.news-list-title')[0].text
        link = news.select('a')[0].attrs['href']
        print(link)
        break

正文

        resd = requests.get(link)
        resd.encoding='utf-8'
        soupd = BeautifulSoup(resd.text,'html.parser')
        d = soupd.select('#content')[0].text
        print(d)
        break

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。

发布时间

info = soupd.select('.show-info')[0].text 
t1 = info.lstrip('发布时间:')[:19] 
print(t1)

作者来源摄影等
s = info[info.find('来源：'):].split()[0].lstrip('来源：') 
print(s)

3. 将其中的发布时间由str转换成datetime类型。

     from datetime import datetime
        dt = datetime.strptime(t1,'%Y-%m-%d %H:%M:%S')
        now = datetime.now()

        print(dt)

转载于:https://www.cnblogs.com/0056a/p/8692279.html