منصوبے کے بارے میں

newspaper3k خبروں کے مضامین کو سکریپ اور مرتب کرنے کے لیے ایک پایتھن 3 لائبریری ہے۔ یہ صارفین کو نیوز یو آر ایلز سے مکمل متن، میٹا ڈیٹا اور تصاویر نکالنے، یا پورے نیوز سورس کے لیے کرالر بنانے کی اجازت دیتا ہے۔ اہم صلاحیتیں: - مضمون اخذ کرنا: خودکار طور پر دی گئی یو آر ایل سے مرکزی متن، مصنفین، شائع ہونے کی تاریخ اور بالائے تصاویر کی شناخت کرتا ہے اور نکالتا ہے۔ - سورس کرالنگ: `build()` فنکشن کا استعمال نیوز ہوم پیج سے تمام مضمون یو آر ایلز اور زمرے کی یو آر ایلز دریافت کرنے کے لیے کیا جا سکتا ہے۔ - قدرتی زبان کی پروسیسنگ (NLP): اخذ کردہ متن سے کلمات کلیدی اور خلاصے تیار کرنے کے لیے بلٹ ان فنکشنالٹی فراہم کرتا ہے۔ - کثیر اللسانی تعاون: خودکار زبان کی تشخیص کی صلاحیت کے ساتھ انگریزی، چینی، جرمن، عربی سمیت 30 سے زائد زبانوں کی حمایت کرتا ہے۔ - کثیر تھرڈڈ ڈاؤن لوڈنگ: متعدد مضامین کو متوازی طور پر ڈاؤن لوڈ کرنے کے لیے ایک فریم ورک (`news_pool`) شامل ہے۔ - HTML پارسنگ: HTML اسٹرنگز سے براہ راست جسم کا متن نکالنے کے لیے `fulltext` یوٹیلیٹی فراہم کرتا ہے۔