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。

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:
        print(news.select('.news-list-title'))
        t=news.select('.news-list-title')[0].text
        dt=news.select('.news-list-info')[0].contents[0].text
        a=news.select('a')[0].attrs['href']
        print(dt,t,a)

 

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。

import requests
from bs4 import BeautifulSoup
from datetime import datetime

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:
        t = news.select('.news-list-title')[0].text
        dt = news.select('.news-list-info')[0].contents[0].text
        a = news.select('a')[0].attrs['href']
        print(dt,t,a)#爬取校园新闻首页新闻的标题、链接
        res2 = requests.get(a)
        res2.encoding = 'utf-8'
        soup2 = BeautifulSoup(res2.text, 'html.parser')
        te = soup2.select('#content')[0].text
        print(te)#爬取校园新闻首页新闻的正文

        ifd = soup2.select('.show-info')[0].text
        dt2 = ifd.lstrip('发布时间:')[:19]
        print(dt2)#获取新闻的发布时间

        i = ifd.find('作者：')
        if i>0:
            s = ifd[ifd.find('作者：'):].split()[0].lstrip('作者：')
            print(s)#获取新闻的作者。

        q = ifd.find('来源：')
        if q > 0:
            b = ifd[ifd.find('来源：'):].split()[0].lstrip('来源：')
            print(b)#获取新闻的来源。

        c = ifd.find('摄影：')
        if c > 0:
            n = ifd[ifd.find('摄影：'):].split()[0].lstrip('摄影：')
            print(n)#获取新闻的摄影。

        dtn = datetime.strptime(dt2,'%Y-%m-%d %H:%M:%S')#将其中的发布时间由str转换成datetime类型。
        print(dtn)
        break

 

 

4. 将完整的代码及运行结果截图发布在作业上。