经过了好久终于又开始续学Python，每天工作压力很大就算有时间感觉也没有多余精力学习。
这两天在网易云课堂买了一份Excel Power Pivot的教程给竞价岗位学，顺便看见了Python爬虫的教程就看了看，感觉之前的书是没有白看的。
学程序实操视频带来的教学比较适合我，除了能学到实际的教程外，可以看到高手们的编程思路，输写过程，很舒服。
这个是针对新浪的页面写的，原来BeautifulSoup能识别css和html标签，和之前玩的火车头及织梦采集相比，高明太多，怪不得是神器。
12345678910111213141516 | import requestsfrom bs4 import BeautifulSoup def getNewsDetail(newsurl): result = {} res = requests.get(newsurl) res.encoding = 'utf-8' soup = BeautifulSoup(res.text, 'html.parser') result['title'] = soup.select('#artibodyTitle')[0].text result['newssource'] = soup.select('.time-source span a')[0].text timesource = soup.select('.time-source')[0].contents[0].strip() result['dt'] = datetime.strptime(timesource, '%Y年%m月%d日%H:%M') result['article'] = ' '.join([p.text.strip() for p in soup.select('#artibody p')[:-1]]) result['editor'] = soup.select('.article-editor')[0].text.strip('责任编辑：') result['comments'] = getCommentCounts(newsurl) return result |
