实时监控900多家中国企业的新闻动态
共 2256字，需浏览 5分钟
·
2022-04-26 20:23
向AI转型的程序员都关注了这个号👇👇👇
机器学习AI算法工程 公众号：datayx
此项目可监控近千家中国企业的官方网站的新闻动态，如有更新，系统能在最短2分钟之内通过邮件发送更新的标题和链接。更新的信息流也可通过浏览器查看。监控的公司和站点可以添加删除。
原理：定期抓取网站html, 使用difflib比对新旧页面源码，发现增加的部分，提取url和text，过滤筛选，保存MySQL数据库。定期把更新的url和text，通过邮件发送给订阅者。
全部代码 获取方式：
关注微信公众号 datayx 然后回复 新闻动态 即可获取。
环境准备
系统需安装MySQL和Redis数据库以及Python3. 建议安装Python3虚拟环境之后运行。
安装依赖包
pip install -r requirements.txtWeb运行
创建MySQL数据库
连接MySQL，执行
mysql> create database alpha_z default charset utf8;
创建表
python models.py
运行
python app.py
浏览器打开 http://127.0.0.1:8888/
用户
新用户注册 仅用于管理员注册的一个接口 http://127.0.0.1:8888/register
用户订阅 订阅用户能定期收到邮件推送 http://127.0.0.1:8888/subscription
公司、站点管理
在公司栏可以查看公司列表和添加公司，点击公司进入公司Profile页可以编辑
导入收集的公司信息
cd utils/ ; python xlsx_reader.py抓取日志 http://127.0.0.1:8888/log
信息流
资讯栏包括全部信息，海外栏是包含关键词的企业出海信息
可以在关键词栏管理关键词。
将国家和地区名导入数据库
cd utils/ ; python keywords_reader.py
抓取控制
开启celery任务队列(需要先安装redis)
在系统根目录执行
celery -A info_engine worker -c 20 -l info
运行爬虫
python info_engine.py
抓取频率, Celery参数可在config.py文件设置
发送邮件
需要在config设置EMAIL和SEND_MAIL_INTERVAL参数
启动定时发邮件程序
python mail_bot.py
手动发邮件可以执行：
cd utils/ ; python send_email.py机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx