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
newsurl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'
res = requests.get(newsurl)  # 返回response对象
res.encoding = 'utf-8'
from bs4 import BeautifulSoup
soup = BeautifulSoup(res.text, 'html.parser')

for news in soup.select("li"):

    if(len(news.select('.news-list-info'))>0):
        print(news.select('a')[0].attrs['href'])
        print(news.select('.news-list-title')[0].text)
        a = news.select('a')[0].attrs['href']
        rq = requests.get(a)
        rq.encoding="utf-8"
        soup2 =  BeautifulSoup(rq.text, 'html.parser')
        print(soup2.select("#content")[0].text)

 

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。

info = soup.select(".show-info")[0].text

    author = info[info.find('作者：'):].split()[0].lstrip('作者：')
    source = info[info.find('来源：'):].split()[0].lstrip('来源：')
    Auditing = info[info.find('审核：'):].split()[0].lstrip('审核：')
    photo = info[info.find('摄影：'):].split()[0].lstrip('摄影：')

    print(author,source,Auditing,photo)

3. 将其中的发布时间由str转换成datetime类型。

        from datetime import datetime
        da = datetime.strptime(dt,"%Y-%m-%d %H:%M:%S")
        print(type(da))
        print(da,writer,sh,ly)
        break;