twnews 0.3.3

To tear down news web pages in Taiwan.

台灣新聞拆拆樂 (twnews) 用來分解台灣各大新聞網站，取出重要的純文字內容

功能

• 支援蘋果日報、中時電子報、中央社、東森新聞雲、自由時報、三立新聞網、聯合新聞網

• 使用行動版網頁與快取機制節省流量

• 盡可能找出記者姓名

• 利用 BeautifulSoup 的 CSS selector 功能搭配設定檔分解，容易同步網站改版

• 解決 Python for Windows CP950 編碼問題，節省處理鳥事的時間

• 每週執行自動化測試檢查分解程式的時效性

0.3.2 新功能

• 更新東森新聞爬蟲設定

• 解決自由地產、自由時尚因 lxml 版本太舊而拆失敗的問題

• 新增證交所資料蒐集程式 (三大法人、信用交易、借券賣出、鉅額交易、ETF淨值溢價率)

• 改善集保中心資料蒐集程式 (股權分散表)

0.3.1 新功能

• 跟進中時電子報的排版變更

• 支援蘋果地產

• 股權分散表資料表結構改善

• 股權分散表資料表日期改為 ISO 格式

0.3.0 新功能

• 股權分散表 CSV 檔蒐集程式

• 修正自由時報娛樂新聞分解問題 #50 (回報者: CpOuyang)

0.2.4 新功能

• 改善記者姓名辨識能力

• 自由時報分類新聞自動切換手機版

• 修正自由時報部分新聞無法取得日期問題

• 修正中國時報部分新聞無法取得記者問題

• 修正蘋果日報搜尋功能自動翻頁問題

• 增加測試項目

安裝

pip3 install twnews

工具程式

# 拆新聞
python3 -m twnews soup https://tw.news.appledaily.com/local/realtime/20181025/1453825

# 搜尋
python3 -m twnews search 韓國瑜 udn

# 搜尋 + 拆
python3 -m twnews snsp 酒駕

# 統計關鍵字出現在標題的次數
python3 -m twnews cpkw 柯文哲

# 查看用法
python3 -m twnews help

範例 - 分解新聞

from twnews.soup import NewsSoup

nsoup = NewsSoup('https://tw.news.appledaily.com/local/realtime/20181025/1453825')
print('頻道: {}'.format(nsoup.channel))
print('標題: {}'.format(nsoup.title()))
print('日期: {}'.format(nsoup.date()))
print('記者: {}'.format(nsoup.author()))
print('內文:')
print(nsoup.contents())
print('有效內容率: {:.2f}%'.format(nsoup.effective_text_rate() * 100))

頻道: appledaily
標題: 男子疑久病厭世　學校圍牆上吊輕生亡│即時新聞│20181025│蘋果日報
日期: 2018-10-25 12:03:00
記者: 江宏倫
內文:
台北市北投區西安街二段，昨晚10時許，1名游姓男子（約80歲）坐在學校圍牆邊上吊輕生，路過民眾驚見嚇得趕緊報案，警消趕抵，時發現輕生男子已經沒有生命跡象，緊急送醫搶救仍宣告不治，警方初步調查排除外力介入，輕生原因仍有待釐清。

警消表示，抵達現場時，發現游男坐在某國中圍牆邊上吊輕生，立即將他救下，但已無呼吸心跳，立即進行CPR並送醫搶救，家屬接獲通知趕抵醫院，同意放棄急救。警方調查，年約80多歲的游男，疑似因長期洗腎又患有心臟疾病、糖尿病才會想不開，現場並無打鬥痕跡，初步已排除外力介入，詳細輕生原因仍待調查釐清。（突發中心江宏倫／台北報導）《蘋果》關心你自殺解決不了問題，卻留給家人無比悲痛。請珍惜生命。再給自己一次機會自殺防治諮詢安心專線：0800-788995（24小時） 生命線協談專線：1995 張老師專線：1980出版時間02：07更新時間12：03


>>加入蘋果日報粉絲團94即時94狂！
有效內容率: 1.37%

範例 - 關鍵字搜尋 + 分解新聞

from twnews.search import NewsSearch

nsearch = NewsSearch(
  'ltn',
  limit=10,
  beg_date='2018-08-03', # 自由時報的日期範圍只能在 90 天以內
  end_date='2018-11-01'
)
nsoups = nsearch.by_keyword('上吊', title_only=True).to_soup_list()

for (i, nsoup) in enumerate(nsoups):
    print('{:03d}: {}'.format(i, nsoup.path))
    if nsoup.title() is not None:
        print('     記者: {} / 日期: {}'.format(nsoup.author(), nsoup.date()))
        print('     標題: {}'.format(nsoup.title()))
        print('     {} ...'.format(nsoup.contents()[0:30]))
    else:
        print('     新聞分解失敗，無法識別 DOM 結構')

000: http://m.ltn.com.tw/news/society/breakingnews/2581807
     記者: None / 日期: 2018-10-15 23:51:00
     標題: 疑因病厭世 男子國小圖書館上吊身亡
     〔即時新聞／綜合報導〕台北市萬華區的老松國小今（15）日早上 ...
001: http://m.ltn.com.tw/news/society/breakingnews/2579780
     記者: None / 日期: 2018-10-13 16:52:00
     標題: 汐止五指山驚傳男子上吊 水管繞頸陳屍樹林
     〔記者林嘉東、吳昇儒／新北報導〕台北市郭姓男子今天午後被發現 ...
002: http://m.ltn.com.tw/news/entertainment/breakingnews/2579590
     新聞分解失敗，無法識別 DOM 結構
003: http://m.ltn.com.tw/news/society/breakingnews/2577987
     記者: 謝武雄 / 日期: 2018-10-11 18:10:00
     標題: 議員尿急樹林解放赫見白骨 男子上吊這天正好滿七...
     ［記者謝武雄／桃園報導］桃園市大園選區市議員游吾和昨天在臉書 ...
004: http://m.ltn.com.tw/news/entertainment/breakingnews/2577596
     新聞分解失敗，無法識別 DOM 結構
005: http://m.ltn.com.tw/news/society/breakingnews/2570595
     記者: 吳仁捷 / 日期: 2018-10-04 13:40:00
     標題: 疑借貸千萬翻身失敗 公墓上吊嚇壞爬山男
     〔記者吳仁捷／新北報導〕章姓男子今天上午到新北市樹林大同山區 ...
006: http://m.ltn.com.tw/news/entertainment/breakingnews/2567740
     新聞分解失敗，無法識別 DOM 結構
007: http://m.ltn.com.tw/news/life/breakingnews/2567637
     記者: None / 日期: 2018-10-01 23:35:00
     標題: 「肉粽」難送！ 員林三合院連5人在「同條樑」上吊
     〔即時新聞／綜合報導〕在彰化沿海一帶，為上吊身亡者「送肉棕」 ...
008: http://m.ltn.com.tw/news/society/breakingnews/2561962
     記者: None / 日期: 2018-09-26 11:08:00
     標題: 男子北美館樹林上吊亡 警到場調查
     〔即時新聞／綜合報導〕今天上午10時許，台北市立美術館停車場 ...
009: http://m.ltn.com.tw/news/society/breakingnews/2561566
     記者: 黃良傑 / 日期: 2018-09-25 18:05:00
     標題: 美籍女師上吊租屋處身亡 美籍男友：房內發現遺書
     〔記者黃良傑／高雄報導〕一名美籍女老師今午被男友發現陳屍租屋 ...