python - newsletter3k，我做错了什么吗，作者功能没有在新闻文章中选择作者

Question

这是关于报纸3k图书馆的作者功能。我有这个新闻 URL 列表。>>>> article.authors”有时没有选择作者。一个例子在这里：作者失踪

Answer 1

Newspaper3k使用Python包Beautiful Soup来提取项目，例如来自新闻网站的作者姓名。Newspaper3k查询的标签是在Newspaper3k源代码中预定义的。Newspaper3k尽最大努力从新闻网站上的这些标准标签中提取内容。

但并非所有新闻来源的结构都相同，因此Newspaper3k会遗漏某些内容，因为标签（例如，作者）将在 HTML 结构中的不同位置。

例如Newspaper3k在这些标签中查找作者姓名：

VALS = ['author', 'byline', 'dc.creator', 'byl']

标签dc.creator始终位于新闻源的META标签部分。如果您的新闻来源有不同的作者标签，​​例如LA Times 使用的article.author，那么您必须像这样查询该标签：

article_meta_data = article.meta_data
article_author = {value for (key, value) in article_meta_data['article'].items() if key == 'author'}

我在我的报纸 3K 概述文档中介绍了许多这些收获问题，我已在我的Github 页面上分享了该文档。