懂AI
news-please

news-please

简洁高效的新闻爬虫，支持RSS和历史文章抓取

news-please是一个开源、用户友好的新闻爬虫工具，能够从几乎所有新闻网站提取结构化信息。该工具支持递归跟踪内部链接和读取RSS源来抓取最新及历史文章。提供网站根URL即可实现全面爬取。news-please还支持库模式，便于Python开发者集成使用，并能从commoncrawl.org新闻档案中提取文章。

news-please新闻抓取开源工具Python库数据提取Github开源项目
访问官网GitHub论文

项目介绍：news-please

简介

news-please 是一个开源且易于使用的新闻抓取工具，能够从几乎任何新闻网站上提取结构化信息。用户只需提供新闻网站的根 URL，就能完整地抓取其中的内容。它支持超过当下主流工具库的整合，包括 scrapy、Newspaper 和 readability。news-please 不仅能递归地跟随站内链接，还能读取 RSS 源，以有效抓取最新及存档的文章。

核心功能

  1. 开箱即用：安装完成后，添加新闻网站的 URL，即可运行。
  2. CLI 模式：通过命令行界面运行 news-please。
  3. 库模式：可在用户自定义的软件中作为库引入使用。
  4. 提取 commoncrawl.org 的新闻存档文章。

使用场景

news-please 主要支持以下三种使用场景：

CLI 模式

  • 提取的结果可存储为 JSON 文件，或存储于 PostgreSQL、ElasticSearch、Redis，甚至用户自定义的存储系统中。
  • 简单但丰富的配置选项，方便用户调整抓取结果。
  • 数次抓取文章，以跟踪内容变化。

库模式

  • 用户可提供文章的 URL 列表进行抓取与提取内容。
  • 可在用户的 Python 代码中直接使用 news-please。

commoncrawl.org 新闻存档

  • commoncrawl.org 提供了一个全球范围内小型及大型新闻发行者的免费新闻文章存档。
  • 用户可便捷地下载和提取 commoncrawl.org 的文章，还可以定义过滤标准，如新闻发布者或发布时间段。

信息提取

news-please 可从新闻文章中提取以下信息：

  • 标题
  • 引言段落
  • 主体文本
  • 主图
  • 作者姓名
  • 发布日期
  • 语言

快速开始

安装

news-please 需要 Python 3.8 或更高版本。安装只需一行命令：

$ pip install news-please

代码示例

在库模式下使用 news-please 的示例代码：

from newsplease import NewsPlease
article = NewsPlease.from_url('https://www.nytimes.com/2017/02/23/us/politics/cpac-stephen-bannon-reince-priebus.html?hp')
print(article.title)

通过 CLI 运行抓取程序

在命令行终端运行以下命令启动抓取过程：

$ news-please

配置与存储

news-please 支持导出文章到 ElasticSearch、PostgreSQL 和 Redis。用户可以根据需要修改配置文件来指定数据库连接和存储细节。

贡献与支持

news-please 欢迎用户贡献代码或提供拉取请求（pull requests）以修复漏洞或改进功能。同时，项目团队也接受捐赠，以支持更多功能开发和错误修复。使用 news-please 时，请按照项目的 Apache License, Version 2.0 使用相关许可证。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多