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。
import requests from bs4 import BeautifulSoup 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: t = news.select('.news-list-title')[0].text d = news.select('.news-list-description')[0].text a = news.select('a')[0].attrs['href'] print('标题:',t) print('正文:',d) print('链接:',a) resd=requests.get(a) resd.encoding = 'utf-8' soupd = BeautifulSoup(resd.text, 'html.parser') info = soupd.select('.show-info')[0].text laiyuan = info[info.find('来源:'):].split()[0].lstrip('来源:') shenhe = info[info.find("审核"):].split()[0].lstrip('审核:') sheying =info[info.find('摄影:'):].split()[0].lstrip('点击:') print(info) time=info.lstrip('发布时间:')[:19] print('时间:',time) print(info[info.find('作者:'):info.find('审核:')]) print('来源:',laiyuan) print('审核:',shenhe) print(sheying) break
运行结果:
3. 将其中的发布时间由str转换成datetime类型。
from datetime import datetime time2 = datetime.strptime(time, '%Y-%m-%d %H:%M:%S') print(time2, time2.strftime('%Y/%m/%d')) print(type(time2))
运行结果: