用requests庫和BeautifulSoup4庫爬取新聞列表


1、用requests庫和BeautifulSoup4庫,爬取校園新聞列表的時間、標題、鏈接、來源。

import requests
from bs4 import BeautifulSoup

url_main="http://news.gzcc.cn/html/xiaoyuanxinwen/"
res = requests.get(url_main)
res.encoding = 'utf-8'

soup = BeautifulSoup(res.text,'html.parser')
li = soup.select('li')
for li_title in li:
    if len(li_title.select('.news-list-title'))>0:
        herf = li_title.select('a')[0]['href']
        title = li_title.select('.news-list-title')[0].text
        time = li_title.select('span')[0].text
        info = li_title.select('span')[1].text
        li_res = requests.get(herf)
        li_res.encoding = 'utf-8'
        li_soup = BeautifulSoup(li_res.text,'html.parser')
        li_text = li_soup.select('.show-content')[0].text
        print(time,title,herf,info,'\n',li_text)

2、選一個自己感興趣的主題,做類似的操作,為“爬取網絡數據並進行文本分析”做准備。

import requests
from bs4 import BeautifulSoup
jq='http://news.qq.com/l/milite/milgn/list2010122872223.htm'
res = requests.get(jq)
res.encoding='gb2312'
soup = BeautifulSoup(res.text,'html.parser')

for news in soup.select('li'):
if len(news.select('a'))>0:
title=news.select('a')[0].text
url=news.select('a')[0]['href']
#time=news.select('span')[0].contents[0].text
#print(time,title,url)
print(title,url)


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM