青南的小世界

给时光以生命。
  博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理
  60 随笔 :: 0 文章 :: 146 评论 :: 25万 阅读

01 2020 档案

GNE: 4行代码实现新闻类网站通用爬虫
摘要：GNE（GeneralNewsExtractor）是一个通用新闻网站正文抽取模块，输入一篇新闻网页的 HTML， 输出正文内容、标题、作者、发布时间、正文中的图片地址和正文所在的标签源代码。GNE在提取今日头条、网易新闻、游民星空、 观察者网、凤凰网、腾讯新闻、ReadHub、新浪新闻等数百个中文新闻网站上效果非常出色，几乎能够达到100%的准确率。 阅读全文
posted @ 2020-01-03 12:59 青南 阅读(4429) 评论(2) 推荐(2) 编辑

点击右上角即可分享
微信分享提示