[开源]新闻聚合站点，抓取科技圈即将发生的事 - V2EX
首页 注册 登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
爱意满满的作品展示区。
广告
Rootcat
V2EX    分享创造

[开源]新闻聚合站点，抓取科技圈即将发生的事

  •   
  •   Rootcat 2018-06-20 20:39:04 +08:00 4170 次点击
    这是一个创建于 2727 天前的主题，其中的信息可能已经有所发展或是发生改变。

    代码比较简单。有兴趣的可以在此基础上完善。

    原理：selenium + chromedriver 用 headless 模式定时抓取头条、百度、搜狐、新浪、虎嗅等网站，过滤出带将来时的标题，存入 mongodb。用 Flask 做 web 展示。

    Github 代码

    Demo

  • 代码
  • 虎嗅
  • flask
  • Selenium
    14 条回复    2018-06-27 12:22:47 +08:00
    cosmo
        1
    cosmo  
       2018-06-20 20:52:23 +08:00 via Android
    能分页和设置关键词就更好
    artandlol
        2
    artandlol  
       2018-06-21 08:07:12 +08:00 via iPhone
    有点像 rss 了，还没带链接
    jisibencom
        3
    jisibencom  
       2018-06-21 08:25:53 +08:00
    好像不错的样子。
    TimePPT
        4
    TimePPT  
    PRO
       2018-06-21 08:51:17 +08:00 via iPhone
    看标题以为能做到新闻预测……
    Rootcat
        5
    Rootcat  
    OP
       2018-06-21 09:05:43 +08:00
    @artandlol 开放 API 接口： http://140.143.226.167:8000/api/v1/news?page=0&limit=20
    MrJing1992
        6
    MrJing1992  
       2018-06-21 09:14:28 +08:00   1
    我很好奇是如何识别即将发生的事情的，看了代码，Soga ！
    https://github.com/NolanZhao/FutureNews/blob/master/news_crawler/check.py

    words = ['将', '预计', '明天', '后天', '下周', '月底', '明日', '明晚', '下月', '明年', '未来', '计划于', '准备于']
    Rootcat
        7
    Rootcat  
    OP
       2018-06-21 09:59:24 +08:00
    @MrJing1992 老哥，稳 :)
    artandlol
        8
    artandlol  
       2018-06-21 11:22:21 +08:00
    @Rootcat 那可以定时存到 Elasticsearch 进行搜索
    terencehan
        9
    terencehan  
       2018-06-21 21:27:30 +08:00
    感觉不错诶
    hezhile
        10
    hezhile  
       2018-06-22 09:57:40 +08:00
    可以适配移动端吗？
    bigmama
        11
    bigmama  
       2018-06-22 14:34:04 +08:00
    http://thuglife8.com/hot/看我这个。

    用的网站里一位老哥的代码，自用。
    bigmama
        12
    bigmama  
       2018-06-22 14:34:21 +08:00
    http://thuglife8.com/hot/
    看我这个。

    用的网站里一位老哥的代码，自用。
    ucanuup
        13
    ucanuup  
       2018-06-23 06:08:56 +08:00
    《英特尔显卡部门又添一员大将 Larrabee 之父回归》，这个就不准确了。建议做个分词并结合词性标注。
    stream
        14
    stream  
       2018-06-27 12:22:47 +08:00
    @bigmama 代码能推荐一下么？
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     5684 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 36ms UTC 01:50 PVG 09:50 LAX 17:50 JFK 20:50
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86