标签：技术 parser encoding http toolbar 标题 port 自己 ext
1.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
network = ‘http://news.gzcc.cn/html/jxky/‘
res = requests.get(network)
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
url = news.select(‘a‘)[0][‘href‘]
time = news.select(‘.news-list-info‘)[0].contents[0].text
main = news.select(‘.news-list-description‘)[0].text
source = news.select(‘.news-list-info‘)[0].contents[1].text
print(‘链接：{}‘.format(url))
print(‘标题：{}‘.format(title))
print(‘正文：{}‘.format(main))
print(‘时间：{}‘.format(time))
print(‘来源：{}‘.format(source))
3.将其中的时间str转换成datetime类型。
import requests
from bs4 import BeautifulSoup
from datetime import datetime
network = ‘http://news.gzcc.cn/html/jxky/‘
res = requests.get(network)
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
url = news.select(‘a‘)[0][‘href‘]
time = news.select(‘.news-list-info‘)[0].contents[0].text
timed = datetime.strptime(time,‘%Y-%m-%d‘)
main = news.select(‘.news-list-description‘)[0].text
source = news.select(‘.news-list-info‘)[0].contents[1].text
print(‘链接：{}‘.format(url))
print(‘标题：{}‘.format(title))
print(‘正文：{}‘.format(main))
print(‘时间：{}‘.format(timed))
print(‘来源：{}‘.format(source))
4.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。
用requests库和BeautifulSoup4库爬取新闻列表
标签：技术 parser encoding http toolbar 标题 port 自己 ext
原文地址：http://www.cnblogs.com/sisters/p/7608831.html
