博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
用requests库和BeautifulSoup4库爬取新闻列表
阅读量:4965 次
发布时间:2019-06-12

本文共 1097 字,大约阅读时间需要 3 分钟。

用requests库和BeautifulSoup4库,爬取校园新闻列表的时间、标题、链接、来源。

 

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:
title=news.select('.news-list-title')[0].text #标题
time=news.select('.news-list-info')[0].contents[0].text#时间
url1=news.select('a')[0]['href']#url
bumen=news.select('.news-list-info')[0].contents[1].text#部门
description=news.select('.news-list-description')[0].text #描述
print(time,title,bumen,url)

  • 选一个自己感兴趣的主题,做类似的操作,为“爬取网络数据并进行文本分析”做准备。
 

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)

 

转载于:https://www.cnblogs.com/sunshine-lp/p/7601656.html

你可能感兴趣的文章
java -f_java学习笔记(一)
查看>>
java 什么题目好做_用java做这些题目
查看>>
java中的合同打印_比较方法违反了Java 7中的一般合同
查看>>
php 位运算与权限,怎么在PHP中使用位运算对网站的权限进行管理
查看>>
php include效率,php include类文件超时
查看>>
matlab sin函数 fft,matlab的fft函数的使用教程
查看>>
wcdma下行如何解扩解扰 matlab,WCDMA技术基础.ppt
查看>>
MySQL date_format() 函数
查看>>
mysql 时间处理
查看>>
mysql adddate()函数
查看>>
mysql addtime() 函数
查看>>
mysql 根据日期时间查询数据
查看>>
mysql sin() 函数
查看>>
mysql upper() 函数
查看>>
mysql 子查询
查看>>
mysql 自联结
查看>>
mysql union 组合查询
查看>>
socket tcp
查看>>
spiral-matrix-ii &i 生成顺时针序列
查看>>
python set集合方法总结
查看>>