如何解决Newspaper3k报废了几个网站
我想从几个网站上获得文章。我试过了,但是我不知道下一步该怎么做
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()
解决方法
下面是使用 newspaper news_pool 的方式。我确实注意到 news_pool 的处理时间很耗时,因为开始打印标题需要几分钟。我认为这种时滞与后台下载的文章有关。我不确定如何使用报纸加快这一过程。
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/',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)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。