feedparser和谷歌新闻

Question

我试图从谷歌新闻使用Python的通用feedparser下载一个新闻语料库（尝试做一些自然语言处理）。我对XML一无所知，我只是用一个如何使用feedparser的例子。 问题是，我无法在字典中找到我从RSS feed获得的内容的新闻标题。

目前，我尝试使用的代码是这样的：

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() 

我在这个岗位领取钥匙只是标题，摘要，日期，等...有没有内容。

这是Google新闻的一些问题还是我做错了什么？有没有办法做到这一点？

Answer 1

您是否检查过Google新闻提要？

每个Feed中都有一个根元素，其中包含一串信息和实际输入字典。这里有一个肮脏的方式来看看有什么可用：

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] 

从我们可以看到我们有一个entries字段，它极有可能包含..新闻条目！如果您：

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

我们得到一些更多的信息:)会告诉你所有与一个漂亮的印刷方式中的每个条目（这就是pprint是）

于是领域，获取所有我们的新闻条目从这个饲料的标题：

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

所以，玩弄这一点。希望这是一个有用的开始

Answer 2

首先你需要检查RSS Specification。这里是一个feed parser。这应该让你开始。