爬取校园新闻首页的新闻

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

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。

3. 将其中的发布时间由str转换成datetime类型。

4. 将完整的代码及运行结果截图发布在作业上。

 

 

获取全部的校园新闻：
包括标题、时间、来源、正文、点击次数等
使用requests获取html文件
使用BeautifulSoup剖析数据
观察元素抓取位置：

使用开发者工具观察，每则新闻所在的分枝<li>
遍历每个li
排除一些非新闻列表的<li>
获取每条新闻的时间，标题，描述，链接。

通过链接获取新闻页，取得新闻正文，作者，发布时间等数据项

对info字符串进行分解，取得时间，作者，审核等数据项。

import requests
from bs4 import BeautifulSoup
from datetime import datetime

res = requests.get( 'http://news.gzcc.cn/html/xiaoyuanxinwen/')
res.encoding = 'utf-8'
soup = BeautifulSoup(res.text, 'html.parser')
for news in soup.select('li'):
    if len(news.select('.news-list-title'))>0:
        d = news.select('.news-list-info')[0].contents[0].text
        t = news.select('.news-list-title')[0].text
        a = news.select('a')[0].attrs['href']

        resd = requests.get(a)
        resd.encoding = 'utf-8'
        soupd = BeautifulSoup(resd.text, 'html.parser')

        c = soupd.select('#content')[0].text
        info = soupd.select('.show-info')[0].text
        dt = info.lstrip('发布时间:')[:19]
        dati = datetime.strptime(dt, '%Y-%m-%d %H:%M:%S')
        sh = info[info.find('审核：'):].split()[0].lstrip('审核：')
        zz = info[info.find('作者：'):].split()[0].lstrip('作者：')

        print(d, t, c, a)
        print(info)
        print(dati, sh, zz)
        break

# info = '发布时间:2018-04-01 11:57:00      作者：陈流芳  审核：权麟春  来源：马克思主义学院  点击：次'
# dt = info.lstrip('发布时间:')[:19]
# sh = info[info.find('审核：'):].split()[0].lstrip('审核：')
# zz = info[info.find('作者：'):].split()[0].lstrip('作者：')
# print(dt, sh, zz)

# for news in soup.select('li'):
#     if len(news.select('.news-list-title'))>0:
#         t= news.select('.news-list-title')[0].text
#         d = news.select('.news-list-description')[0].text
#         a = news.a.attrs['href']
#         resd = requests.get(a)
#         resd.encoding = 'utf-8'
#         soupd = BeautifulSoup(resd.text, 'html.parser')
#         c = soupd.select('#content')[0].text
#         info = soupd.select('.show-info')[0].text
#         print(info)
#         break