首页 > 其他 > 详细

用requests库和BeautifulSoup4库爬取新闻列表

时间:2017-09-28 16:33:09      阅读:305      评论:0      收藏:0      [点我收藏+]
import requests   #HTTP库 从html或xml中提取数据
from bs4 import BeautifulSoup #爬虫库BeautifulSoup4
url = requests.get("http://news.gzcc.cn/html/xiaoyuanxinwen/")
url.encoding = "utf-8"
soup = BeautifulSoup(url.text,html.parser)
#print(soup.head.title.text)
 
#找出含有特定标签的html元素:‘ID’前缀‘#’;‘class’前缀‘.’,其它直接soup.select(p)
for news in soup.select(li):
    if len(news.select(.news-list-title))>0:
        

        time = news.select(.news-list-info)[0].contents[0].text #时间
        title = news.select(.news-list-title)[0].text           #标题
        href = news.select(a)[0][href]                        #链接

        href_text = requests.get(href)                            #链接内容
        href_text.encoding = "utf-8"
        href_soup = BeautifulSoup(href_text.text,html.parser)
        href_text_body = href_soup.select(.show-content)[0].text
        print(time,title,href,href_text_body)


技术分享

用requests库和BeautifulSoup4库爬取新闻列表

原文:http://www.cnblogs.com/xialuokesh/p/7607153.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!