首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >Newspaper3k刮几个网站

Newspaper3k刮几个网站
EN

Stack Overflow用户
提问于 2020-10-07 19:01:52
回答 1查看 324关注 0票数 1

我想从几个网站得到文章。我试过了,但我不知道下一步该做什么

代码语言:javascript
复制
lm_paper = newspaper.build('https://www.lemonde.fr/')
parisien_paper = newspaper.build('https://www.leparisien.fr/')

papers = [lm_paper, parisien_paper]
news_pool.set(papers, threads_per_source=2) # (3*2) = 6 threads total
news_pool.join()
EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-10-13 13:41:35

下面是你可以使用报纸news_pool的方式。我确实注意到,news_pool的处理时间很长,因为开始打印标题需要几分钟。我相信这种时间延迟与背景下载的文章有关。我不知道如何利用报纸加快这一进程。

代码语言:javascript
复制
import newspaper
from newspaper import Config
from newspaper import news_pool

USER_AGENT = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.15; rv:78.0) Gecko/20100101 Firefox/78.0'

config = Config()
config.browser_user_agent = USER_AGENT
config.request_timeout = 10

lm_paper = newspaper.build('https://www.lemonde.fr/', config=config, memoize_articles=False)
parisien_paper = newspaper.build('https://www.leparisien.fr/', config=config, memoize_articles=False)
french_papers = [lm_paper, parisien_paper]

# this setting is adjustable 
news_pool.config.number_threads = 2

# this setting is adjustable 
news_pool.config.thread_timeout_seconds = 1

news_pool.set(french_papers)
news_pool.join()

for source in french_papers:
for article_extract in source.articles:
    if article_extract:
        article_extract.parse()
        print(article_extract.title)
票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/64250654

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档