feedparser和谷歌新聞

Question

我試圖從谷歌新聞使用Python的通用feedparser下載一個新聞語料庫（嘗試做一些自然語言處理）。我對XML一無所知，我只是用一個如何使用feedparser的例子。 問題是，我無法在字典中找到我從RSS feed獲得的內容的新聞標題。

目前，我嘗試使用的代碼是這樣的：

import feedparser 
url = 'http://news.google.com.br/news?pz=1&cf=all&ned=us&hl=en&output=rss' 
# just some GNews feed - I'll use a specific search later 

feed = feedparser.parse(url) 
for post in feed.entries: 
    print post.title 
    print post.keys() 

我在這個崗位領取鑰匙只是標題，摘要，日期，等...有沒有內容。

這是Google新聞的一些問題還是我做錯了什麼？有沒有辦法做到這一點？

Answer 1

您是否檢查過Google新聞提要？

每個Feed中都有一個根元素，其中包含一串信息和實際輸入字典。這裏有一個骯髒的方式來看看有什麼可用：

import feedparser 
d = feedparser.parse('http://news.google.com/news?pz=1&cf=all&ned=ca&hl=en&topic=w&output=rss') 

print [field for field in d] 

從我們可以看到我們有一個entries字段，它極有可能包含..新聞條目！如果您：

import pprint 
pprint.pprint(entry for entry in d['entries']) 

我們得到一些更多的信息:)會告訴你所有與一個漂亮的印刷方式中的每個條目（這就是pprint是）

於是領域，獲取所有我們的新聞條目從這個飼料的標題：

titles = [entry.title for entry in d['entries'] 

所以，玩弄這一點。希望這是一個有用的開始

Answer 2

首先你需要檢查RSS Specification。這裏是一個feed parser。這應該讓你開始。