import requests  # 网页请求的库
from bs4 import BeautifulSoup  # 网页标签解析的库
import pandas as pd  # 用于数据分析，此处用于excel的持久化
url = 'https://china.chinadaily.com.cn/5bd5639ca3101a87ca8ff636'  # 将爬取的网址定义成一个变量
rep = requests.get(url)  # 用requests库请求定义好的网址
rep.encoding = 'utf-8'  # 网站编码设置
html = rep.text  # 获取网站源代码文本
soup = BeautifulSoup(html, 'lxml')  # 将代码转成bs4的对象，采用lxml的引擎
divs = soup.find_all('div', class_='busBox3')  # 获取标签和名称
# print(divs)  # 检验是否正确
data = []  # 定义一个空列表
for div in divs:
    data_dict = {}  # 定义一个空字典
    title = div.find('h3').text  # 获取h3标签下的文本，即“标题”
    dt = div.find('b').text  # 获取b标签下的文本，即“发布时间”
    data_dict['标题'] = title
    data_dict['发布时间'] = dt  # 将标题和时间添加到字典中
    data.append(data_dict)  # print(title, dt)
df = pd.DataFrame(data)  # 转换成一个pandas的对象
df.to_excel('中国日报.xlsx', index=False)  # 另存为excel，并持久化
print(f'中国日报.xlsx 保存成功！')  # 保存至表格当中