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
from datetime import datetime
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 #标题
        a = news.select('a')[0].attrs['href']  # 链接
        resd = requests.get(a)
        resd.encoding = 'utf-8'
        soupd = BeautifulSoup(resd.text, 'html.parser')  # 打开新闻详情页
        c = soupd.select('#content')[0].text  # 正文
        print(t,a,c)

　　

 

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 = soupd.select('.show-info')[0].text
        print(info)

　　

 

3. 将其中的发布时间由str转换成datetime类型。

 dt = info.lstrip('发布时间:')[:19]  # 发布时间
        dati = datetime.strptime(dt, '%Y-%m-%d %H:%M:%S')
        print(dati)

　　

　

 

　

4. 将完整的代码及运行结果截图发布在作业上。

import requests
from bs4 import BeautifulSoup
from datetime import datetime
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 #标题
        a = news.select('a')[0].attrs['href']  # 链接
        resd = requests.get(a)
        resd.encoding = 'utf-8'
        soupd = BeautifulSoup(resd.text, 'html.parser')  # 打开新闻详情页
        c = soupd.select('#content')[0].text  # 正文
        #print(t,a,c)
        info = soupd.select('.show-info')[0].text
        #print(info)
        dt = info.lstrip('发布时间:')[:19]  # 发布时间
        dati = datetime.strptime(dt, '%Y-%m-%d %H:%M:%S')
        print(t,a,c,info,dati)
        break