新闻聚合网站是怎么做的？

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

V2EX 提问指南

这是一个创建于 3379 天前的主题，其中的信息可能已经有所发展或是发生改变。

就是实时抓取其它网站上的内容实现的吗？

11 条回复 • 2015-09-12 22:54:10 +08:00

newtonisaac

2015-09-12 11:04:28 +08:00

难道是打电话问的？

liangguan5

2015-09-12 11:14:43 +08:00 via iPhone

alexapollo

2015-09-12 11:20:20 +08:00

抓取+优质内容筛选+推荐系统

colorsand

2015-09-12 11:33:51 +08:00

@alexapollo 有这方面的经验吗？请教一下：
主动抓取怎么保证实时性？
内容筛选是不是需要人工完成？

colorsand

2015-09-12 11:34:54 +08:00

@newtonisaac 我想是不是通过 api 获取的数据

vstar

2015-09-12 11:40:08 +08:00

我更关注是否会造成侵权等法律问题

Moker

2015-09-12 11:41:21 +08:00

@colorsand 有 api 和 rss 当然最好。。没有就用爬虫了。。。实时的话爬虫频率高点了。。不过有可能会被封

IanPeverell

2015-09-12 11:42:43 +08:00

Python 基础教程里面有一个新闻聚合类的初级教程，可以先用 Python 的 NNTP 把信息下载下来，然后再传到网站里，实时性的话可以通过定时启动脚本更新数据就行吧…

alexapollo

2015-09-12 12:31:30 +08:00

@colorsand 大部分不是实时的。。但也有实时系统（量非常大），实际上相当于一个用户代理

em70

2015-09-12 12:43:41 +08:00 via Android

抓取页面，把纯内容提取出来，这个看起来简单，其实算法非常难，各种网站页面结构不一样，要考虑各种奇葩情况。

mutalisk

2015-09-12 22:54:10 +08:00

TF-IDF