问题标签 [python-newspaper]

通过使用python 的报纸模块，我可以通过以下方式从文章中获取顶部图像：

但我需要获取文章中的所有图像。他们的 github 文档说：“从 html 中提取所有图像”是可能的。但我无法弄清楚这一点。而且我不想手动下载html文件并将其保存在硬盘驱动器中，然后将文件提供给模块并获取图像。

我可以通过什么方式实现这一目标？

如何将报纸库用于需要身份验证的网站？我正在使用报纸 3k库从不同的新闻网站下载几篇文章的 html（到目前为止工作得很好）。但是，由于我需要完整的内容，我需要在请求 html 之前进行身份验证（用户名、密码）。我将不胜感激任何正确方向的指示！

我认为这必须在我使用报纸.build() 之前发生？

（此时我只想说，这是我第一次用 python 编码（或者只是一般地编码任何东西）所以任何帮助都会很棒）

函数 convert() 遍历一个 url 列表并处理它们中的每一个。每个 url 都是文章的链接。我正在获取文章的重要属性，例如作者、文本等，然后将其存储在数据框中。之后，我将数据框转换为 csv 文件。该脚本运行了大约 5 个小时，因为 url_list 中有 589 个 url。但我仍然无法获取 csv 文件。有人可以找出我哪里出错了。

我正在尝试创建一个数据集来对新闻文章进行情绪分析。我正在使用 Newspaper3k 从网站上抓取文章。我抓取了一些网站，但没有正确存储文章，因此我无法使用它们。当我再次尝试抓取相同的网站时，它只会抓取新文章，而不是已经抓取的文章。有没有办法让我把已经刮过的文章刮一遍？？

我正在尝试使用报纸 3k，并按照所有步骤进行安装。一切都在本地工作。当我推送到我的 Azure 应用服务时，我收到以下错误。我在 Azure 上的 python 版本是 3.6.4.4。有什么建议么？

更新一

提要解析器==5.2.1

我有功能newspaper3k提取给定网址的摘要。给定为：-

我有熊猫数据框，其列名为url

还有另一个函数main_code()运行得非常好，我在里面使用article_summary。我想将这两个函数都添加article_summary到main_code()一个函数final_code中。

这是我的代码：第一个功能为：-

这是第二个功能

当我完成时：

但final_code()没有给出任何输出，它显示为TypeError: article_summary() missing 1 required positional argument: 'row'

报纸是一个很棒的库，它允许抓取网络数据，但是我对文章缓存有点困惑。它缓存文章以加快操作，但我如何访问这些文章？

我有这样的东西。现在，当我使用同一组文章两次运行此命令时，我None第二次获得了返回类型。如何访问那些以前缓存的文章进行处理？

newspaper_articles = [Article(url) for url in links]

例如在这个 url ( https://edition.cnn.com/search/?q=%20news&size=10&from=5540&page=555 )

在 html 文件中我可以找到这个链接（html 标签）

但在这段代码中

我找不到新闻链接

https://edition.cnn.com/search/?q=%20news&size=10&from=5540&page=555 https://edition.cnn.com/search/?q=%20news&size=10&from=5550&page=556

获取相同的链接

在这个网址（https://edition.cnn.com/search/?q=%20news&size=10&from=5540&page=555）

我的目的是获取所有新闻列表

在 urls html code(contain news的 url 中）

无法获取 url 的新闻列表

https://edition.cnn.com/search/?q=%20news&size=10&from=5550&page=556 `s 链接

https://edition.cnn.com/search/?q=%20news&size=10&from=5560&page=557 `s 链接是一样的

我的源代码

我什至尝试过pypi.org中的命令，但没有下载任何文章。

article.html 只给出空刺''。当我尝试 article.parse() 它给出错误 *

你必须先download()写一篇文章！

我已经尝试过解决方法

仍然无法解决问题。