用requests库和BeautifulSoup4库爬取新闻列表

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
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:
      title=news.select('.news-list-title')[0].text
      url=news.select('a')[0]['href']
      time=news.select('.news-list-info')[0].contents[0].text
      laiyuan=news.select('.news-list-info')[0].contents[1].text
      print(title,url,time,laiyuan)

2、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。

import requests
from bs4 import BeautifulSoup
res=requests.get('http://trips.tuniu.com/search?q=%E9%9F%B6%E5%85%B3')
res.encoding='utf-8'
soup=BeautifulSoup(res.text,'html.parser')

for trips in soup.select('li'):
    if len(trips.select('.list-name'))>0:
      title=trips.select('.list-name')[0].text
      url=trips.select('a')[0]['href']
      print(title,url)

  

 

posted @ 2017-09-27 22:33  34-潘志文  阅读(178)  评论(0编辑  收藏  举报