新闻平台聚合之腾讯新闻爬虫发布

    点击上方 月小水长 并 设为星标，第一时间接收干货推送

idea of startproject

1. 对于 web 开发者而言，目前各大新闻门户网站，新浪新闻，百度新闻，腾讯新闻，澎湃新闻，头条新闻并没有提供稳定可用的 feed api。

2. 对于 nlper，缺乏足够的新闻语料数据集来供训练。

3. 对于新闻传播/社会学/心理学等从业者，缺乏获取新闻数据的简单易用途径来供分析。

4. 如果上面三点是某见识所限，其实并不存在的话，第 4 点，则是某的私心，某以为互联网的记忆太短了，热搜一浪盖过一浪，所以试图定格互联网新闻的某些瞬间，最后会以网站的形式发布出来。

project 的 github 地址

https://github.com/Python3Spiders/AllNewsSpider

继承自 澎湃新闻网站全站新闻爬虫及各大新闻平台聚合爬虫发布，本篇是新闻系列的第二篇，以腾讯新闻为目标网站

腾讯新闻爬虫

1. 全自动爬取腾讯新闻全站新闻内容，包括 娱乐、军事、科技、财经 四大 category。

2. 可以自定义输入爬取的最大页码，默认是 20 页

3. 字段信息齐全，如下表格

1. 将仓库 tencent文件夹下的 tencent_news_spider.pyd 文件下载到本地，新建项目，把 pyd 文件放进去

2. 项目根目录下新建 runner.py，写入以下代码即可运行并抓取

   import tencent_news_spider
   tencent_news_spider.main()
   

开始运行时会提示输入爬取到哪一页，默认是 20 页，爬取过程中是下面这样的。

预告

1、新浪新闻爬虫

2、nytimes 纽约时报爬虫

3、thetimes 泰晤士报爬虫

阅读原文即可直达该爬虫的 Github 地址。