Theo dõi và đọc tin tức

Thư viện vnstock_news thế hệ 5 tổ chức quy trình theo dõi tin tức thành hai thao tác rõ ràng, phục vụ từng nhu cầu cụ thể của bạn:

1. Lấy danh sách tin mới (fetch_feeder): Đọc nhanh nguồn cấp tin RSS hoặc sơ đồ trang XML Sitemap do trang tin công bố để nhận bảng tổng hợp tiêu đề, tóm tắt, thời gian xuất bản và đường dẫn liên kết bài viết. Thao tác này diễn ra rất nhanh, phù hợp để theo dõi diễn biến thị trường theo phiên.
2. Đọc chi tiết bài viết (fetch_articles): Mở từng trang bài viết để đọc các trường thông tin như tác giả, chuyên mục, từ khoá (tags), lượt xem, ảnh đại diện, và nội dung bài viết (dạng Markdown) khi bạn tự cung cấp bộ chọn nội dung (content_selector) cho nghiên cứu cá nhân.

1. Lấy danh sách tin mới với fetch_feeder()

Hàm fetch_feeder() phù hợp khi bạn cần cập nhật nhanh các bài viết mới đăng mà chưa cần tải toàn bộ nội dung trang bài.

Chữ ký hàm

fetch_feeder(
    site_name: str | None = None,
    sources: list[str] | None = None,
    top_n_per_feed: int | None = None,
    within: str | None = None,
    top_n: int | None = None,
    sort_order: str = "desc",
    description_format: str = "text",
    max_concurrency: int = 5,
) -> pd.DataFrame

Bảng tham số fetch_feeder()

Dữ liệu trả về từ fetch_feeder()

Tên cột tuỳ loại nguồn mà trang tin công bố. Trang có nguồn cấp tin RSS cho tiêu đề và tóm tắt; trang chỉ có sơ đồ trang (sitemap) chỉ cho đường dẫn và thời điểm cập nhật, không có tiêu đề.

Với một trang trong danh mục, thư viện đọc loại nguồn đầu tiên có sẵn theo thứ tự ưu tiên của trang đó. Ở danh mục hiện tại, vietstock, cafebiz, vnexpress, tuoitre, dantri cho bảng dạng RSS; các trang còn lại, trong đó có cafef, cho bảng dạng sơ đồ trang. Khi viết mã dùng được cho cả hai loại, hãy kiểm tên cột trước khi dùng:

link_col = "link" if "link" in df.columns else "url"
time_col = "pubDate" if "pubDate" in df.columns else "lastmod"

2. Đọc chi tiết bài viết với fetch_articles()

Khi bạn cần trích xuất sâu hơn các trường thông tin của bài viết (tác giả, chuyên mục, từ khoá tags, lượt xem, ảnh đại diện) hoặc đọc nội dung bài viết theo bộ chọn bạn cung cấp, hãy sử dụng hàm fetch_articles().

Chữ ký hàm

fetch_articles(
    site_name: str | None = None,
    sources: list[str] | None = None,
    urls: list[str] | None = None,
    config: dict[str, Any] | None = None,
    top_n: int | None = 10,
    top_n_per_feed: int | None = None,
    within: str | None = None,
    sort_order: str = "desc",
    max_concurrency: int = 5,
) -> pd.DataFrame

Bảng tham số fetch_articles()

Cấu trúc 14 trường dữ liệu chuẩn hoá

Bảng DataFrame trả về từ fetch_articles() gồm 14 cột chuẩn hoá theo đúng thứ tự:

Xử lý thông minh văn bản và thời gian

• Nối từ tự nhiên: Động cơ bóc tách mới tôn trọng khoảng trắng hiển thị, tránh tình trạng dính liền chữ khi gặp các thẻ HTML con (ví dụ: Giá <b>vàng</b> tăng được đọc chuẩn thành "Giá vàng tăng").
• Nhận diện thời gian tiếng Việt: Tự động chuyển đổi các định dạng thời gian tương đối ("2 giờ trước", "hôm qua") và ngày giờ tiếng Việt ("Thứ Sáu, 10/10/2026, 08:05") về chuẩn thời gian chính xác theo giờ Việt Nam.

3. Các ví dụ sử dụng thực tế

Ví dụ 1: Lấy nhanh tin tức trước phiên giao dịch với fetch_feeder()

Lấy 20 tin mới nhất trong vòng 2 giờ qua từ Vietstock (trang công bố RSS, nên có tiêu đề) để cập nhật thông tin vĩ mô đầu ngày:

import vnstock_news

df = vnstock_news.fetch_feeder(
    site_name="vietstock",
    within="2h",
    top_n=20
)

print(f"Có {len(df)} tin mới trong 2 giờ qua:")
for _, row in df.iterrows():
    print(f"[{row['pubDate']:%H:%M}] {row['title']}")
    print(f"-> Đọc bài: {row['link']}\n")

Với trang chỉ có sơ đồ trang như CafeF, bảng không có tiêu đề; bạn dùng url và lastmod:

df = vnstock_news.fetch_feeder(site_name="cafef", within="2h", top_n=20)
print(df[["lastmod", "url"]])

Ví dụ 2: Đọc chi tiết thông tin bài viết từ website trong danh mục

Dùng fetch_articles() để lấy siêu dữ liệu chi tiết (tác giả, chuyên mục, từ khoá tags, ảnh đại diện):

import vnstock_news

# Đọc 5 bài viết mới nhất từ Vietstock
df_articles = vnstock_news.fetch_articles(
    site_name="vietstock",
    top_n=5
)

print(f"Đã đọc {len(df_articles)} bài viết:")
print(df_articles[["title", "author", "category", "tags", "publish_time"]])

Ví dụ 3: Đọc trực tiếp từ danh sách đường dẫn bài viết có sẵn

Khi bạn đã có sẵn danh sách đường dẫn bài viết (ví dụ lọc từ bảng fetch_feeder()), bạn truyền thẳng vào tham số urls:

import vnstock_news

df_feed = vnstock_news.fetch_feeder(site_name="cafef", within="6h", top_n=10)
my_urls = df_feed["url"].head(3).tolist()   # CafeF là sơ đồ trang: cột đường dẫn tên là url

df_details = vnstock_news.fetch_articles(
    site_name="cafef",
    urls=my_urls
)

print(df_details[["title", "publish_time", "author"]])