python3爬虫-爬取新浪新闻首页所有新闻标题-蒲公英云

python3爬虫-爬取新浪新闻首页所有新闻标题

准备工作：安装requests和BeautifulSoup4。打开cmd，输入如下命令

pip install requests
pip install BeautifulSoup4

打开我们要爬取的页面，这里以新浪新闻为例，地址为：http://news.sina.com.cn/china/

按F12打开开发人员工具，点击左上角的图片，然后再页面中点击你想查看的元素：

$image\_1b9cn3qf33l8r6s1skf1duh1ann9.png-104.2kB$

我点击了新闻标题处的元素，查看到该元素为class=news-item的元素：

$image\_1b9cn61ap1qc62f57l5isu60m.png-288.5kB$

在这里，我们要获取新闻的时间，标题和链接，查看到分别在如下位置：

$image\_1b9cnc13h1es5tc31iif1a261adr13.png-98.6kB$

现在，就可以根据元素的结构编写爬虫代码了：

import requests
from bs4 import BeautifulSoup
url = 'http://news.sina.com.cn/china/'
res = requests.get(url)
# 使用UTF-8编码
res.encoding = 'UTF-8'
# 使用剖析器为html.parser
soup = BeautifulSoup(res.text, 'html.parser')
#遍历每一个class=news-item的节点
for news in soup.select('.news-item'):
    h2 = news.select('h2')
    #只选择长度大于0的结果
    if len(h2) > 0:
        #新闻时间
        time = news.select('.time')[0].text
        #新闻标题
        title = h2[0].text
        #新闻链接
        href = h2[0].select('a')[0]['href']
        #打印
        print(time, title, href)