限制报纸的 URL 输出

Question

我正在使用 newspaper3 从 news.google 中提取 URL，但问题是我一直在获取所有 URL（我已禁用 memoize，因为我需要完整列表）。我只想打印前 5 个链接或 5 个随机链接并不重要。我试过设置最大值，但没有用。有什么想法吗？

import newspaper

news = newspaper.build('https://news.google.com/topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNRGx6TVdZU0FtVnVHZ0pWVXlnQVAB?oc=3&ceid=US:en', memoize_articles=False)

for article in news.articles:
    print(article.url)

Answer 1

这段代码应该正是您想要的。它不使用报纸功能，而是随机 select 一定数量的 url。报纸的输出不是列表，因此必须使用附加函数将其转换为列表。享受吧！

import newspaper

business_news = newspaper.build('https://news.google.com/topics/CAAqJggKIiBDQkFTRWdvSUwyMHZNRGx6TVdZU0FtVnVHZ0pWVXlnQVAB?hl=en-US&gl=US&ceid=US%3Aen', language='en', memoize_articles = False)

myList = []
for article in business_news.articles:
    myList.append(str(article.url))
print(myList) #not necessary just for display purposes

import random

aselect = myList
randarticles = random.sample(aselect, 5)

print(randarticles)

限制报纸的 URL 输出

limiting the URL output from newspaper

python

url

web-scraping

python-newspaper