新闻爬虫一个图书馆来抓取网上报纸文章
NewsCrawler3的Python项目详细描述
新闻爬虫
NewsCrawler是一个Python库，用于抓取在线报纸文章。它有一个最小的接口，以确保以最小的工作量实现最大的生产率。在
基于流行的库：Newspaper3k、BeautifulSoup4和{a6}
入门
要安装此库，请克隆存储库，转到项目的根目录，然后运行：
git clone https://github.com/NewsPipe/NewsCrawler.git pip install .
或者，您可以通过以下方式从PyPI存储库安装此库：
^{pr2}$示例
>>> from newscrawler import Crawler
>>> crawler = Crawler("zeit.de")
>>> crawler.get_article_information_as_dataframe()
title ... text
0 Wolf Biermann: Wolf, hast du Angst vor dem Tod? ... Dass der Liedermacher Wolf Biermann noch am Le...
1 Österreich: Sie wollen doch nur helfen ... Wenn Wien und die ÖVP aufeinandertreffen, dann...
2 Psychologie: Du darfst dich schämen ... Wozu, bitte, soll das gut sein? Das Gesicht lä...
3 Fleischindustrie in Uruguay: 150 Kilo Gewichts... ... So muss das Rinderparadies sein: saftig grüne ...
4 Homeschooling: Eine gerechte Note ist nicht mö... ... Gut zwölf Wochen Fernunterricht haben die Schü...
5 Vegane Ernährung: Fast schon so was wie Käse ... Auf einer aufgebockten Holzplatte hat Nour Akb...
6 Corona-Pandemie: Spanien will den Ausnahmezust... ... In Spanien will die Regierung den umstrittenen...
7 Bundesliga, 29. Spieltag: Gladbach klettert mi... ... Borussia Mönchengladbach — 1. FC Union Berlin ...
8 SpaceX: Crew-Dragon-Raumkapsel dockt erfolgrei... ... Nach etwa 19 Stunden Reise haben die beiden US...
9 Wetter und Viren: Hey Sommer, gib Corona den R... ... Der Sommer ist ein natürlicher Feind vieler Vi...
10 Fußball: Premier League darf Saison fortsetzen ... Die Premier League darf die Saison nach einer ...
11 Open-Source-Projekt: Entwickler veröffentliche... ... Die Entwickler der Corona-Warn-App der Bundesr...
12 Dietzenbach: Nach Angriff auf Beamte Polizei o... ... Nachdem am vergangenen Freitag Einsatzkräfte i...
13 Gymnastiklehrerin: "Meine Perspektive: stilvol... ... Der Ausbruch des Coronavirus verändert für vie...
14 Bürgerkriegsflüchtlinge: Obergrenze für Famili... ... Die Obergrenze für den Familiennachzug von sub...
[15 rows x 7 columns]
>>> crawler.get_article_information_as_dataframe().keys()
Index(['title', 'summary', 'author', 'published', 'link', 'tags', 'text'], dtype='object')
- 项目
标签：
欢迎加入QQ群-->： 979659372
