簡介

當我們知道怎樣用request + BeautifulSoup來擷取網頁的資料，當然透過此方法也可以抓取新聞的資料，但是你必須要花點時間來解析新聞網站的html code，而網路上有有心人士專門為了Google News打造了專屬爬蟲，透果簡單的搜尋模式，就可以找到整篇新聞的資訊了，那讓我們來熟悉並時做一下吧。

實操Code

首先一樣要安裝Package，如上圖，請輸入『pip install GoogleNews』，要不要加『！』在jupyter notebook都可以執行。

from GoogleNews import GoogleNews
googlenews = GoogleNews()

接著要做import與Initializing的動作，使『googlenews』這容器代表套件中『GoogleNews()』的方法。

googlenews.setlang('cn')

再來要選擇你要搜尋的google news的語言，通常最常用的就是『en , cn , jp…』。在官方文件他是『googlenews = GoogleNews(lang='en')』撰寫，兩者皆可。

googlenews.clear()
googlenews.setTimeRange('11/01/2020','11/05/2020')

在開始搜尋並儲存到google套件的暫存區時，每次再重新抓取新的資料前，都要先清空googlenews的陣列，這邊就使用『clear()』。接著我們要設定新聞搜尋的區間日期，如上列程式碼第二段，要注意的是時間填寫的格式『mm/dd/yy』。

googlenews.setencode('utf-8')
#googlenews = GoogleNews(encode='utf-8')
googlenews.search('美國總統大選')

接著就要進入搜尋關鍵字的區塊，假如你要搜尋中文字的話，要注意『encode字串編碼』的地方，你也可以在設定容器的時候再『Googlenews(在這邊輸入編碼模式)』。而搜尋的方法請使用『search()』，在括弧中輸入要搜尋的關鍵字。

times = 1

for i in range(times):
    googlenews.clear()
    googlenews.getpage(i)
    result = googlenews.result()
    for n in range(len(result)):
        print(n)
        print(result[n])
        temp = result[n]
        print(temp['link'])
        UrlList.append(temp['link'])

再來要到把內容印出來的階段，而請先看到第一個容器，『time』是在設定搜尋的頁數，再來我們透過搜尋的頁數來進行for loop的印出新聞內容。

在for loop中，我們確保安全在清空一次陣列，再來使用『getPage()』取得該頁面所有新聞，由於我們想要把新聞內容都印出來，所以就新增一個儲存新聞內容的容器，這邊我們就以result來儲存，而要取得該頁的結果要使用『googlenews.result()』方法。

而儲存在result中的新聞可能有好幾筆，googlenews套件會把每一則都一筆一筆的放在裡面，所以為了要取得每一筆，我們就在需要使用一次for-loop把每一筆都印出來。最主要印出來的功能就是在『result[哪一筆新聞]』這邊，而下面的程式碼是我想要儲存該新聞連結的陣列『UrlList.append()』將資料塞入陣列中就使用『append()』。

googlenews.gettext()

而我們假如單純想要純文字檔的話，官方有提供一個方法來取得，如上述程式碼。

小結

經過上面的簡單程式碼的編譯，我們終於得到每筆新聞的主要資料，如上圖。就如簡介所述，假如你只想要抓新聞的話，可以使用這個套件，簡單又好用，而且google news會搜集不同平台的新聞內容，如上圖可以看到『media』的來源有很多種，讓你部會只有搜尋到單一新聞平台的新聞。