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。

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
utl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'
res = requests.get(utl)
res.encoding= 'utf-8'
soup = BeautifulSoup(res.text,'html.parser')
for i in soup.select('li'):
    if len(i.select('.news-list-title')) > 0:
        f = i.select('.news-list-info')[0].contents[1].text
        t = i.select('.news-list-title')[0].text
        h = i.select('a')[0].attrs['href']
        resd = requests.get(h)
        resd.encoding = 'utf-8'
        soupd = BeautifulSoup(resd.text, 'html.parser')
        zw = soupd.select('#content')[0].text
        info = soupd.select('.show-info')[0].text
        dt = info.lstrip('发布时间:')[0:19]
        p = datetime.strptime(dt, '%Y-%m-%d %H:%M:%S ')
        print(f,t,h,zw,p)

posted on 2018-04-02 11:53  092王晓才  阅读(133)  评论(0编辑  收藏  举报