目錄

1、安裝模塊

2、提取網(wǎng)頁內(nèi)容

---

本篇博客又雙叒叕為各位分享一個Python庫：GeneralNewsExtractor（GNE），其是一個通用新聞網(wǎng)站正文抽取模塊，輸入一篇新聞網(wǎng)頁的 HTML， 輸出正文內(nèi)容、標(biāo)題、作者、發(fā)布時間、正文中的圖片地址和正文所在的標(biāo)簽源代碼。GNE在提取今日頭條、網(wǎng)易新聞、游民星空、 觀察者網(wǎng)、鳳凰網(wǎng)、騰訊新聞、ReadHub、新浪新聞等數(shù)百個中文新聞網(wǎng)站上效果非常出色，幾乎能夠達到100%的準(zhǔn)確率。

需要明白：GeneralNewsExtractor（GNE）不是 爬蟲 ，是為了規(guī)避不必要的風(fēng)險，因此，本項目的輸入是 HTML源代碼，輸出是一個字典，請自行使用恰當(dāng)?shù)姆椒ǐ@取目標(biāo)網(wǎng)站的 HTML。

總結(jié)

以上是生活随笔為你收集整理的5行Python提取海量新闻网站内容的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。