爬虫识别

爬虫识别支持 IPv6 地址访问 了解详情

newspaper

newspapernewspaper 概况

newspaper

newspaper status 活动

newspaper 说明

Newspaper框架是 Python 爬虫框架中在 GitHub上点赞排名第三的爬虫框架,适合抓取新闻网页。它的操作非常简单易学,即使对完全没了解过爬虫的初学者也非常的友好,简单学习就能轻易上手,因为使用它不需要考虑 header、IP 代理,也不需要考虑网页解析,网页源代码架构等问题。这个是它的优点,但也是它的缺点,不考虑这些会导致它访问网页时会有被直接拒绝的可能。

​总得来说,Newspaper 框架并不适用于实际工程类新闻信息爬取工作,框架不稳定,爬取过程中会有各种 bug,例如获取不到 url、新闻信息等,但对于想获取一些新闻语料的朋友不妨一试,简单方便易上手,且不需要掌握太多关于爬虫方面的专业知识。

Newspaper 的 User-agent 如下:

  • newspaper/0.2.8

  • newspaper/0.3.0

newspaper/0.2.8
User-Agent
爬虫类别
首次出现时间
最后一次出现时间
是否遵守 robots.txt 协议
不明
说明:

newspaper/0.2.8 是 newspaper 爬虫的用户代理(User-agent)。

IP 地址总数
727
爬虫 IP 地址列表
# IP 地址 Hostname 国家代码 旗帜
1 2001:19f0:ac01:15bf:5400:4ff:fe38:c6f4 US US flag
2 169.59.166.171 ab.a6.3ba9.ip4.static.sl-reverse.com US US flag
3 202.55.225.187 187-225-55-202-static.chief.net.tw TW TW flag
4 202.55.225.189 189-225-55-202-static.chief.net.tw TW TW flag
5 14.246.145.30 static.vnpt.vn VN VN flag
6 202.55.225.130 130-225-55-202-static.chief.net.tw TW TW flag
7 202.55.225.188 188-225-55-202-static.chief.net.tw TW TW flag
8 18.212.56.91 US US flag
9 34.238.190.181 ec2-34-238-190-181.compute-1.amazonaws.com US US flag
10 34.91.241.48 48.241.91.34.bc.googleusercontent.com NL NL flag
注:最多只显示10个 IP 地址
newspaper/0.3.0
User-Agent
爬虫类别
首次出现时间
最后一次出现时间
是否遵守 robots.txt 协议
不明
说明:

Newspaper 是一个了不起的 Python 库,用于提取和整理文章。

Newspaper 提供 Instapaper 风格的文章提取。

参考资料:https://pypi.org/project/enlivensystems-newspaper/

IP 地址总数
19
爬虫 IP 地址列表
# IP 地址 Hostname 国家代码 旗帜
1 34.147.73.15 15.73.147.34.bc.googleusercontent.com NL NL flag
2 34.91.16.93 93.16.91.34.bc.googleusercontent.com NL NL flag
3 35.204.25.15 15.25.204.35.bc.googleusercontent.com NL NL flag
4 34.147.114.213 213.114.147.34.bc.googleusercontent.com NL NL flag
5 34.90.133.159 159.133.90.34.bc.googleusercontent.com NL NL flag
6 34.90.61.69 69.61.90.34.bc.googleusercontent.com NL NL flag
7 35.204.26.63 63.26.204.35.bc.googleusercontent.com NL NL flag
8 34.91.67.111 111.67.91.34.bc.googleusercontent.com NL NL flag
9 35.204.57.7 7.57.204.35.bc.googleusercontent.com NL NL flag
10 34.91.9.21 21.9.91.34.bc.googleusercontent.com NL NL flag
注:最多只显示10个 IP 地址
返回顶部