Giới thiệu vnstock_news
Mở rộngBản Mở rộngvnstock_news v2.2.2Cập nhật
Mục lục
Giới thiệu
vnstock_news là thư viện Python thuộc hệ sinh thái Vnstock, được thiết kế để tự động hóa quá trình truy xuất, bóc tách và chuẩn hóa dữ liệu tin tức từ các báo điện tử, trong đó hỗ trợ cấu hình sẵn cho 21+ trang tin tức tại Việt Nam. Thư viện hỗ trợ công cụ AI Agent và ứng dụng trong nghiên cứu định lượng, xử lý ngôn ngữ tự nhiên và xây dựng hệ thống giám sát dữ liệu tin tức.
Các tính năng nổi bật
- Truy xuất dữ liệu đa dạng: Hỗ trợ trích xuất tiêu đề, mô tả ngắn, nội dung Markdown, thời gian xuất bản, danh mục, URL và tác giả từ 18 trang tin tức phổ biến của Việt Nam và các trang tương thích mà người dùng cung cấp cấu hình tuỳ chỉnh.
- Quản lý nguồn cấp dữ liệu linh hoạt: Tự động xử lý cả RSS feeds và Sitemaps để lấy danh sách bài viết mới nhất hoặc tra cứu bài viết cũ theo sitemap của báo.
- Cấu hình dễ dàng: Đi kèm với cấu hình sẵn cho 18 trang tin tức, giúp bạn bắt đầu nhanh chóng mà không cần cấu hình thủ công phức tạp.
- Khả năng tùy biến cao: Cho phép bạn định nghĩa cấu hình tùy chỉnh cho các trang web không có sẵn hoặc điều chỉnh các bộ chọn (selector) để phù hợp với thay đổi cấu trúc trang.
- Truy xuất theo lô có kiểm soát: Lấy nội dung chi tiết cho một danh sách bài viết theo lô, có khoảng nghỉ giữa các yêu cầu và giới hạn số yêu cầu đồng thời để giữ tải ở mức hợp lý với trang nguồn.
- Ghi log chi tiết: Cung cấp thông tin log rõ ràng giúp theo dõi quá trình truy xuất và gỡ lỗi.
Các trang báo được hỗ trợ sẵn
vnstock_news cấu hình sẵn cho 18 báo điện tử, hỗ trợ hai cách truy xuất dữ liệu tiêu chuẩn là RSS Feeds (tin cập nhật mới) và Sitemap XML (dữ liệu lịch sử). Bạn có thể bổ sung cấu hình cho các trang web khác ngoài danh sách.
| STT | Tên Báo | Tên Config | Loại Hình | RSS | Sitemap | Mô Tả / Cơ Quan Chủ Quản |
|---|---|---|---|---|---|---|
| 1 | Nhân Dân | nhandan | Cơ quan TW | ✅ | ✅ | Cơ quan trung ương của Đảng Cộng Sản Việt Nam |
| 2 | Tiền Phong | tienphong | Cơ quan TW | ✅ | ✅ | Cơ quan trung ương của Đoàn TNCS Hồ Chí Minh |
| 3 | VietNamNet | vietnamnet | Bộ Ngành | ✅ | ✅ | Cơ quan thuộc Bộ Thông tin và Truyền thông |
| 4 | Dân Trí | dantri | Bộ Ngành | ✅ | ✅ | Báo điện tử thuộc Bộ Lao động - Thương binh và Xã hội |
| 5 | VnExpress | vnexpress | Bộ Ngành | ✅ | ✅ | Thuộc Bộ Khoa học và Công nghệ |
| 6 | Báo Đầu Tư | baodautu | Bộ Ngành | ✅ | ✅ | Cơ quan của Bộ Kế hoạch và Đầu tư |
| 7 | Thời Báo Tài Chính | thoibaotaichinhvietnam | Bộ Ngành | ✅ | ✅ | Báo điện tử thuộc Bộ Tài Chính |
| 8 | Thanh Niên | thanhnien | Tổ chức TW | ✅ | ✅ | Diễn đàn của Hội Liên hiệp Thanh niên Việt Nam |
| 9 | Tuổi Trẻ | tuoitre | Địa phương | ✅ | ✅ | Cơ quan báo của Thành Đoàn TP.HCM |
| 10 | VnEconomy | vneconomy | Chuyên ngành | ✅ | ✅ | Tạp chí của Hội Khoa học Kinh tế Việt Nam |
| 11 | Diễn Đàn Doanh Nghiệp | dddn | Chuyên ngành | ✅ | ✅ | Cơ quan của Liên đoàn Thương mại & Công nghiệp (VCCI) |
| 12 | PetroTimes | petrotimes | Chuyên ngành | ✅ | ✅ | Tạp chí của Hội Dầu khí Việt Nam |
| 13 | Znews (Tri thức) | znews | Chuyên ngành | ✅ | ✅ | Tạp chí điện tử của Hội Xuất bản Việt Nam |
| 14 | CafeF | cafef | Trang tin | ✅ | ✅ | Trang thông tin kinh tế - tài chính khối VCCorp |
| 15 | CafeBiz | cafebiz | Trang tin | ✅ | ✅ | Trang thông tin kinh doanh - khởi nghiệp khối VCCorp |
| 16 | VietStock | vietstock | Trang tin | ✅ | ✅ | Cổng thông tin Tài chính & Chứng khoán Việt Nam |
| 17 | 24h | 24h | Tổng hợp | ✅ | ✅ | Trang thông tin điện tử tổng hợp 24h |
| 18 | Người Quan Sát | nguoiquansat | Tổng hợp | ✅ | ✅ | Trang thông tin điện tử chuyên sâu về kinh tế chứng khoán |
Danh sách chỉ gồm các trang có tệp robots.txt cho phép truy xuất tự động tại lần rà gần nhất (06/10/2026). Khi tự bổ sung một trang ngoài danh sách, hãy kiểm tra robots.txt và điều kiện sử dụng của trang đó trước để đảm bảo tuân thủ chính sách sử dụng.
Vai trò của thư viện
vnstock_news hỗ trợ việc chuẩn bị dữ liệu đầu vào cho quy trình phân tích:
- Hệ thống cảnh báo: Giám sát, tổng hợp báo cáo diễn biến vĩ mô và cập nhật thông tin doanh nghiệp định kỳ.
- Khoa học dữ liệu: Chuẩn bị bộ văn bản mẫu (dataset) cho nghiên cứu xử lý ngôn ngữ tự nhiên và mô hình ngôn ngữ lớn (LLMs), trong phạm vi điều kiện sử dụng của từng nguồn.
- Nghiên cứu định lượng: Phân loại chỉ số cảm xúc tài chính (sentiment analysis) nhằm gia tăng hiệu quả các mô hình đánh giá thị trường chứng khoán.
Lưu ý về bản quyền và nguồn tin
vnstock_news là công cụ giúp bạn tự truy xuất và chuẩn hoá tin bài từ nguồn truy cập công khai của các báo (RSS, sitemap), phục vụ nghiên cứu và học thuật. Bản quyền bài viết và hình ảnh thuộc cơ quan báo chí chủ quản. Với phân tích, hãy ưu tiên dùng siêu dữ liệu, tiêu đề và đoạn trích; không tái bản toàn văn bài báo. Nếu dự định dùng kết quả cho hoạt động thương mại hoặc đăng tải công khai, bạn cần tuân thủ điều kiện của từng nguồn và quy định về bản quyền, sở hữu trí tuệ.