基于Python爬虫与Tkinter构建本地新闻聚合小程序

Miles

发布时间：2026-10-14 | 2人浏览过

原创

本文介绍如何利用Python的requests库获取HTML页面，结合BeautifulSoup解析标签提取新闻标题与正文，并通过Tkinter构建图形界面展示内容。最后使用PyInstaller将脚本编译为独立的Windows可执行文件，实现无需Python环境的本地新闻查看工具。

核心代码

主要依赖requests库的get方法下载HTML网页，并利用bs4库的BeautifulSoup模块对HTML内容进行结构化分析。


from requests import get
from bs4 import BeautifulSoup as bs
from datetime import datetime as dt
 
def Today(style=1):
    date = dt.today()
    if style!=1: return f'{date.month}月{date.day}日'
    return f'{date.year}-{date.month:02}-{date.day:02}'
 
def SinaNews(style=1):
    url1 = 'http://news.***.com.cn/'
    if style==1: url1 += 'world'
    elif style==2: url1 += 'china'
    else: url1='https://mil.news.sina.com.cn/'
    text = get(url1)
    text.encoding='uft-8'
    soup = bs(text.text,'html.parser')
    aTags = soup.find_all("a")
    return [(t.text,t['href']) for t in aTags if Today() in str(t)]

爬取标题

>>> for i,news in enumerate(SinaNews(1)): print(f'No{i+1}:',news[0])

No1: 外媒：***** No2: 日媒：****** ......

.......

内容已马赛克！！！ >>>

作为初次尝试爬虫的项目，为了降低难度，选择了一个无需复杂破解即可直接获取内容的新闻网站。该程序以国际、国内和军事新闻三个板块作为数据源，通过requests.get下载网页源码后，利用BeautifulSoup解析HTML文本。由于目标网页中所有带有日期信息的<a href=...>标签恰好对应所需数据，因此可以直接提取。

爬取正文

在获取新闻列表后，根据链接下载具体的正文网页。通过分析HTML结构可知，id为'article'的<div>层级包含了新闻正文内容。使用.get_text()函数提取纯文本，并配合适当的格式处理逻辑（如去除多余空格和换行）来优化显示效果。


>>> def NewsDownload(url):
    html = get(url)
    html.encoding='uft-8'
    soup = bs(html.text,'html.parser')
    text = soup.find('div',id='article').get_text().strip()
    text = text.replace('点击进入专题：','相关专题：')
    text = text.replace('　　','\n　　')
    while '\n\n\n' in text:
        text = text.replace('\n\n\n','\n\n')
    return text
 
>>> url = 'https://******/w/2021-09-29/doc-iktzqtyt8811588.shtml'
>>> NewsDownload(url)
'原标题：******************************************************'
>>>

界面代码

使用Python内置的图形界面库tkinter，选取Text、Listbox、Scrollbar和Button等控件。通过设置基本属性、确定布局位置以及绑定事件命令，经过调试最终完成程序开发。

源代码 News.pyw ：其中涉及的网站名称已马赛克！


from requests import get
from bs4 import BeautifulSoup as bs
from datetime import datetime as dt
from os import path
import tkinter as tk
 
def Today(style=1):
    date = dt.today()
    if style!=1: return f'{date.month}月{date.day}日'
    return f'{date.year}-{date.month:02}-{date.day:02}'
 
def SinaNews(style=1):
    url1 = 'http://news.****.com.cn/'
    if style==1: url1 += 'world'
    elif style==2: url1 += 'china'
    else: url1='https://mil.****.com.cn/'
    text = get(url1)
    text.encoding='uft-8'
    soup = bs(text.text,'html.parser')
    aTags = soup.find_all("a")
    return [(t.text,t['href']) for t in aTags if Today() in str(t)]
 
def NewsList(i):
    global news
    news = SinaNews(i)
    tList.delete(0,tk.END)
    for idx,item in enumerate(news):
        tList.insert(tk.END,f'{idx+1:03} {item[0]}')
    tText.config(state=tk.NORMAL)
    tText.delete(0.0,tk.END)
    tText.config(state=tk.DISABLED)
    NewsShow(0)
    
def NewsList1(): NewsList(1)
def NewsList2(): NewsList(2)
def NewsList3(): NewsList(3)
 
def NewsShow(idx):
    if idx!=0:
        idx = tList.curselection()[0]
    title,url = news[idx][0],news[idx][1]
    html = get(url)
    html.encoding='uft-8'
    soup = bs(html.text,'html.parser')
    text = soup.find('div',id='article').get_text().strip()
    text = text.replace('点击进入专题：','相关专题：')
    text = text.replace('　　','\n　　')
    while '\n\n\n' in text:
        text = text.replace('\n\n\n','\n\n')
    tText.config(state=tk.NORMAL)
    tText.delete(0.0,tk.END)
    tText.insert(tk.END, title+'\n\n'+text)
    tText.config(state=tk.DISABLED)
    
def InitWindow(self,W,H):
    Y = self.winfo_screenheight()
    winPosition = str(W)+'x'+str(H)+'+8+'+str(Y-H-100)
    self.geometry(winPosition)
    icoFile = 'favicon.ico'
    f = path.exists(icoFile)
    if f: win.iconbitmap(icoFile)
    self.resizable(False,False)
    self.wm_attributes('-topmost',True)
    self.title(bTitle[0])
    SetControl()
    self.update()
    self.mainloop()
 
def SetControl():
    global tList,tText
    tScroll = tk.Scrollbar(win, orient=tk.VERTICAL)
    tScroll.place(x=450,y=320,height=300)
    tList = tk.Listbox(win,selectmode=tk.BROWSE,yscrollcommand=tScroll.set)
    tScroll.config(command=tList.yview)
    for idx,item in enumerate(news):
        tList.insert(tk.END,f'{idx+1:03} {item[0]}')
    tList.place(x=15,y=320,width=435,height=300)
    tList.select_set(0)
    tList.focus()
    bW,bH = 70,35    #按钮的宽高
    bX,bY = 95,270    #按钮的坐标
    tBtn1 = tk.Button(win,text=bTitle[1],command=NewsList1)
    tBtn1.place(x=bX,y=bY,width=bW,height=bH)
    tBtn2=tk.Button(win,text=bTitle[2],command=NewsList2)
    tBtn2.place(x=bX+100,y=bY,width=bW,height=bH)
    tBtn3 = tk.Button(win,text=bTitle[3],command=NewsList3)
    tBtn3.place(x=bX+200,y=bY,width=bW,height=bH)
    tScroll2 = tk.Scrollbar(win, orient=tk.VERTICAL)
    tScroll2.place(x=450,y=10,height=240)
    tText = tk.Text(win,yscrollcommand=tScroll2.set)
    tScroll2.config(command=tText.yview)
    tText.place(x=15,y=10,width=435,height=240)
    tText.config(state=tk.DISABLED,bg='azure',font=('宋体', '14'))
    NewsShow(0)
    tList.bind("<Double-Button-1>",NewsShow)
 
if __name__=='__main__':
 
    win = tk.Tk()
    bTitle = ('今日新闻','国际新闻','国内新闻','军事新闻')
    news = SinaNews()
    InitWindow(win,480,640)

此处提供完整代码，不再进行逐行详细分析。如有具体需求，欢迎留言讨论。该程序在Win7系统配合Python3.8.8环境下测试可无错运行。文中涉及的网站域名已做隐藏处理，如需获取原始链接可私下联系作者。

软件编译

使用pyinstaller.exe工具将Python脚本编译为单个可执行文件。需注意源码文件的后缀名应使用.pyw，否则编译后的程序运行时会弹出黑色的CMD命令行窗口。另外分享一个小技巧：大多数网站的Logo图标文件（favicon.ico）通常位于网站根目录下，路径格式一般为： http(s)://websiteurl.com(.cn)/favicon.ico

编译命令如下：