python爬取央视新闻文本

你可以使用Python中的BeautifulSoup库和requests库来实现这个任务。具体步骤如下：

1. 使用requests库获取央视新闻网站的HTML页面数据。
2. 使用BeautifulSoup库解析HTML页面数据，获取新闻文章的链接地址。
3. 使用requests库获取新闻文章的HTML页面数据。
4. 使用BeautifulSoup库解析新闻文章的HTML页面数据，获取文章的标题和正文内容。
5. 将文章标题和正文内容保存到文件或数据库中。

下面是一个简单的示例代码，演示如何爬取央视新闻的文本：

import requests
from bs4 import BeautifulSoup

# 获取央视新闻网站的HTML页面数据
url = 'http://www.news.cn/politics/'
response = requests.get(url)
html = response.content

# 使用BeautifulSoup库解析HTML页面数据，获取新闻文章的链接地址
soup = BeautifulSoup(html, 'html.parser')
links = []
for link in soup.find_all('a'):
    href = link.get('href')
    if href and href.startswith('http://www.news.cn/politics/'):
        links.append(href)

# 使用requests库获取新闻文章的HTML页面数据，并使用BeautifulSoup库解析新闻文章的HTML页面数据，获取文章的标题和正文内容
for link in links:
    response = requests.get(link)
    html = response.content
    soup = BeautifulSoup(html, 'html.parser')
    title = soup.find('h1').text.strip()
    content = ''
    for p in soup.find_all('p'):
        content += p.text.strip()

    # 将文章标题和正文内容保存到文件中
    with open('news.txt', 'a', encoding='utf-8') as f:
        f.write(title + '\n')
        f.write(content + '\n\n')

在这个例子中，我们首先使用requests库获取央视新闻网站的HTML页面数据，然后使用BeautifulSoup库解析HTML页面数据，获取新闻文章的链接地址。接下来，我们使用requests库循环获取每个新闻文章的HTML页面数据，并使用BeautifulSoup库解析HTML页面数据，获取文章的标题和正文内容。最后，我们将文章标题和正文内容保存到文件中。

需要注意的是，该示例代码只是一个简单的示例，实际上爬取网站的过程中，需要考虑到反爬虫机制和数据清洗等问题。