{ "nbformat": 4, "nbformat_minor": 0, "metadata": { "colab": { "provenance": [], "authorship_tag": "ABX9TyNDvdp8livTF70SepgodBUC", "include_colab_link": true }, "kernelspec": { "name": "python3", "display_name": "Python 3" }, "language_info": { "name": "python" } }, "cells": [ { "cell_type": "markdown", "metadata": { "id": "view-in-github", "colab_type": "text" }, "source": [ "\"Open" ] }, { "cell_type": "code", "execution_count": null, "metadata": { "colab": { "base_uri": "https://localhost:8080/" }, "id": "nDSUHVi0rODZ", "outputId": "96d8537a-fadd-40cb-cad7-3c8ed194f9eb" }, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "Looking in indexes: https://pypi.org/simple, https://us-python.pkg.dev/colab-wheels/public/simple/\n", "Collecting bs4\n", " Downloading bs4-0.0.1.tar.gz (1.1 kB)\n", " Preparing metadata (setup.py) ... \u001b[?25l\u001b[?25hdone\n", "Requirement already satisfied: beautifulsoup4 in /usr/local/lib/python3.10/dist-packages (from bs4) (4.11.2)\n", "Requirement already satisfied: soupsieve>1.2 in /usr/local/lib/python3.10/dist-packages (from beautifulsoup4->bs4) (2.4.1)\n", "Building wheels for collected packages: bs4\n", " Building wheel for bs4 (setup.py) ... \u001b[?25l\u001b[?25hdone\n", " Created wheel for bs4: filename=bs4-0.0.1-py3-none-any.whl size=1257 sha256=5ead9167bf44bebf34f52f8d9953fe37399437d848f5f4943d4acc8f6aa8d708\n", " Stored in directory: /root/.cache/pip/wheels/25/42/45/b773edc52acb16cd2db4cf1a0b47117e2f69bb4eb300ed0e70\n", "Successfully built bs4\n", "Installing collected packages: bs4\n", "Successfully installed bs4-0.0.1\n" ] } ], "source": [ "!pip install bs4" ] }, { "cell_type": "code", "source": [ "import requests\n", "from bs4 import BeautifulSoup" ], "metadata": { "id": "Holjaclxrhcs" }, "execution_count": null, "outputs": [] }, { "cell_type": "code", "source": [ "# news = []\n", "\n", "# # for i in range(1, 5):\n", "# url = \"https://www.onlinekhabar.com/content/news/page/2\"\n", "\n", "# response = requests.get(url)\n", "# response = response.content\n", "# soup = BeautifulSoup(response, 'html.parser')\n", "# for titles in soup.findAll('h2'):\n", "# title = titles.text\n", "# print(title)\n", "# # titles = grid.find('div', class_='ok-news-post')\n", "# # for title in titles:\n", "# # title = soup.find('h2')\n", "# # title = title.text.strip()\n", "# # title = title.replace(u'\\xa0', u' ')\n", "\n", "# # print(title)\n", "\n", "# # link = h4.find('a', href=True)\n", "# # link = link.get('href')\n", "# # # print(link)\n", "# # link_response = requests.get(link)\n", "# # link_response = link_response.content\n", "# # link_soup = BeautifulSoup(link_response, 'html.parser')\n", "\n", "# # article = link_soup.find('div', class_='ok18-single-post-content-wrap').text\n", "# # article = article.replace(u'\\xa0', u' ')\n", "# # article = article.replace(u'\\n', u' ')\n", "\n", "# # # print('article:{}'.format(article))\n", "\n", "# # # h4 = h4.strip()\n", "# # # title\n", "# # news.append([link, title, article])\n" ], "metadata": { "colab": { "base_uri": "https://localhost:8080/" }, "id": "3kfVMU_Frstp", "outputId": "bd612f0a-bc0f-4435-893d-62e49b86ae04" }, "execution_count": null, "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ "\n", "ट्रेन्डिङ +\n", "\n", "\n", "ताजा अपडेट +\n", "\n", "काँक्राका फाइदै-फाइदा, कुन समयमा खानु राम्रो ?\n", "थाइराइडका बिरामीले के खाने, के नखाने ?\n", "बच्चामा अन्धोपनको जोखिम बढाउने आरओपी समस्या के हो ?\n", "फुङलिङमा सवारी दुर्घटनामा परी एक बालककाे मृत्यु\n", "जोर्डनका युवराज र साउदी युवतीबीचको विवाह किन छ चर्चामा ?\n", "स्मार्टफोनमा स्टोरेज सकिन थाल्यो ? यसो गर्नुस्\n", "‘शून्यकाे मूल्य’लाई उत्तम-शान्ति पुरस्कार\n", "‘स्टन्टबाजी जान्दिनँ, काम भइरहेको छ’\n", "रातो मच्छिन्द्रनाथको रथ तान्न उर्लिएको भीड (तस्वीरहरू)\n", "\n", "समाचार \n", "प्रचण्ड दिल्लीबाट फर्केपछि बेइजिङ भ्रमणको तयारी हुने\n", "वीरेन्द्रनगरकी मेयर : हुटहुटी छ, तर परिणाम देखिएन\n", "कक्षा १२ को ऐच्छिक नेपालीबाट भुपाल राईको कविता हटाउन दबाव\n", "रुकुम पश्चिममा भएको जिप दुर्घटनामा आमाछोरासहित ५ जनाको मृत्यु\n", "भोटो जात्राले चिडियाखानामा एकै दिन १२ हजार अवलोकनकर्ता, शुल्क आधाभन्दा कम\n", "नक्कली शरणार्थी मुद्दामा नेपाल राज्यकै परीक्षा\n", "थाइराइडका बिरामीले के खाने, के नखाने ?\n", "बागमतीका ३ हजार पुराना सार्वजनिक सवारी सडकबाट हट्दै\n", "कर्णालीमा बजेटको प्राथमिकता र सिद्धान्त : हरेक वर्ष १० हजार रोजगारी सिर्जना (पूर्णपाठ)\n", "वैदेशिक रोजगार मागपत्रको प्रमाणीकरण अब देशभित्रै गर्ने व्यवस्था हुँदै\n", "बच्चामा अन्धोपनको जोखिम बढाउने आरओपी समस्या के हो ?\n", "रास्वपा नेताहरु र चिनियाँ दूतावासको टोलीबीच भेटवार्ता\n", "गणतन्त्रको विकल्प पश्चगमन हुन सक्‍दैन : सञ्‍चारमन्त्री शर्मा\n", "पश्चिमी वायुको प्रभावले उपत्यकासहित देशभर वर्षा\n", "‘हाम्रो व्यक्तित्वमा आँच पुर्‍याइयो’\n", "ट्याटु पूरै हटाउन सकिन्छ ?\n", "कोशीमा आन्दोलनरत पहिचान पक्षधरलाई वार्तामा बोलाउन कांग्रेसको माग \n", "मधेश सरकारमा लोसपा पनि सहभागी, कुर्मी वनमन्त्री नियुक्त\n", "तम्घास बजारको सडकमा पुनः कालोपत्रे काम सुरु\n", "कोशीमा पहिचान पक्षधरले गरे विराटनगर केन्द्रित आन्दोलन घोषणा\n", "प्रहरी कुनै षड्यन्त्रको शिकार भएको छैन : गृहमन्त्री श्रेष्ठ\n", "ढोरपाटनका मेयरलाई एमालेले गर्‍यो प्रदेश कमिटीबाट निलम्बन\n", "नक्कली भुटानी शरणार्थी प्रकरणमा निष्पक्ष अनुसन्धान गर्न युवा संघको माग\n", "कोशी प्रदेशमा ९७ प्रतिशत घरपरिवारमा शौचालय\n", "पानीका स्रोत सरसफाइ गरिने पर्व सिथि नखः\n", "स्थानीय तहमा खटाइएका पर्यवेक्षकले एक वर्षदेखि पाएनन् पारिश्रमिक\n", "दाङमा वृद्धालाई कुटपिट गरी लुटपाट\n", "बालबच्चालाई किन धेरै रिस उठ्छ ?\n", "‘ई-हाजिरी’ कि ‘नो हाजिरी’ !\n", "जेठ १७ गते भारत भ्रमणमा जाने प्रधानमन्त्रीको तयारी\n", "Posts navigation\n" ] } ] }, { "cell_type": "code", "source": [ "import pandas as pd\n", "\n", "df = pd.DataFrame(news, columns=['link','title','article'])\n", "df" ], "metadata": { "colab": { "base_uri": "https://localhost:8080/", "height": 49 }, "id": "Hqx6ziKkr8C1", "outputId": "75b24fc5-7e67-47f2-cb10-f43d31dc05d8" }, "execution_count": null, "outputs": [ { "output_type": "execute_result", "data": { "text/plain": [ "Empty DataFrame\n", "Columns: [link, title, article]\n", "Index: []" ], "text/html": [ "\n", "
\n", "
\n", "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
linktitlearticle
\n", "
\n", " \n", " \n", " \n", "\n", " \n", "
\n", "
\n", " " ] }, "metadata": {}, "execution_count": 4 } ] }, { "cell_type": "code", "source": [ "links = []\n", "for i in range(1,151):\n", " url = f\"https://www.onlinekhabar.com/content/news/page/{i}\"\n", " \n", " homepage = requests.get(url)\n", " contents = BeautifulSoup(homepage.content, 'html.parser')\n", " for news in contents.findAll('div', class_='ok-news-post'):\n", " links.append(news.a['href'])\n", "links[:5]" ], "metadata": { "colab": { "base_uri": "https://localhost:8080/" }, "id": "4g3fnsRWsIHx", "outputId": "b414b129-ac15-4bcf-a3c8-99113b4d1d81" }, "execution_count": null, "outputs": [ { "output_type": "execute_result", "data": { "text/plain": [ "['https://www.onlinekhabar.com/2023/05/1312396',\n", " 'https://www.onlinekhabar.com/2023/05/1312323',\n", " 'https://www.onlinekhabar.com/2023/05/1312266',\n", " 'https://www.onlinekhabar.com/2023/05/1312637',\n", " 'https://www.onlinekhabar.com/2023/05/1312564']" ] }, "metadata": {}, "execution_count": 5 } ] }, { "cell_type": "code", "source": [ "from tqdm import tqdm" ], "metadata": { "id": "TkUuVlJu-MB6" }, "execution_count": null, "outputs": [] }, { "cell_type": "code", "source": [ "news = []\n", "\n", "\n", "for link in tqdm(links):\n", " page = requests.get(link)\n", " contents = BeautifulSoup(page.content, 'html.parser')\n", " for titles in contents.findAll('h1'):\n", " title = titles.text\n", " title = title.replace(u'\\xa0', u' ')\n", " title = title.replace(u'\\n', u' ')\n", "\n", " for articles in contents.findAll('div', class_='ok18-single-post-content-wrap'):\n", " article = articles.text\n", " article = article.replace(u'\\xa0', u' ')\n", " article = article.replace(u'\\n', u' ')\n", "\n", " news.append([link, title, article])\n" ], "metadata": { "colab": { "base_uri": "https://localhost:8080/" }, "id": "pimKpq9f6FEy", "outputId": "5449c686-f2a2-4457-ec2a-9e799bf5c191" }, "execution_count": null, "outputs": [ { "output_type": "stream", "name": "stderr", "text": [ "100%|██████████| 6000/6000 [45:37<00:00, 2.19it/s]\n" ] } ] }, { "cell_type": "code", "source": [ "news = pd.DataFrame(news, columns = ['link', 'title', 'article'])\n", "news" ], "metadata": { "colab": { "base_uri": "https://localhost:8080/", "height": 423 }, "id": "wP4DTThB7zcl", "outputId": "6c093431-ab88-4466-d4c0-940725cefe82" }, "execution_count": null, "outputs": [ { "output_type": "execute_result", "data": { "text/plain": [ " link \\\n", "0 https://www.onlinekhabar.com/2023/05/1312396 \n", "1 https://www.onlinekhabar.com/2023/05/1312323 \n", "2 https://www.onlinekhabar.com/2023/05/1312266 \n", "3 https://www.onlinekhabar.com/2023/05/1312637 \n", "4 https://www.onlinekhabar.com/2023/05/1312564 \n", "... ... \n", "5995 https://www.onlinekhabar.com/2023/02/1269914 \n", "5996 https://www.onlinekhabar.com/2023/02/1269908 \n", "5997 https://www.onlinekhabar.com/2023/02/1269895 \n", "5998 https://www.onlinekhabar.com/2023/02/1269881 \n", "5999 https://www.onlinekhabar.com/2023/02/1269863 \n", "\n", " title \\\n", "0 काँक्राका फाइदै-फाइदा, कुन समयमा खानु राम्रो ? \n", "1 थाइराइडका बिरामीले के खाने, के नखाने ? \n", "2 बच्चामा अन्धोपनको जोखिम बढाउने आरओपी समस्या के... \n", "3 फुङलिङमा सवारी दुर्घटनामा परी एक बालककाे मृत्यु \n", "4 जोर्डनका युवराज र साउदी युवतीबीचको विवाह किन छ... \n", "... ... \n", "5995 ज्येष्ठ सदस्य जबरासहित ११ सांसदले बुझाएनन् सम्... \n", "5996 गुल्मीमा बिभिन्न कार्यक्रम गरेर ४१ औं मगर दिवस... \n", "5997 कास्कीमा ६ महिनामै बलात्कारका ३५ उजुरी \n", "5998 प्रज्ञा प्रतिष्ठानका सदस्यले दोहोरो सुविधा नपाउने \n", "5999 सिसडोलमा फोहोर फाल्ने स्वास्थ्य संस्थालाई महा... \n", "\n", " article \n", "0 चर्को गर्मीमा काँक्रा खानुको मज्जा नै बेग्लै ... \n", "1 काठमाडौं । शरीरलाई राम्रोसँग काम गर्न विभिन्न... \n", "2 सामान्य बच्चाको तुलनामा समयअगावै जन्मिएका बच्... \n", "3 १२ जेठ, ताप्लेजुङ। स्कार्पियाे दुर्घटनामा बिह... \n", "4 १२ जेठ, काठमाडौं । जोर्डनका युवराज हुसेन बिन ... \n", "... ... \n", "5995 १५ फागुन, काठमाडौं । प्रतिनिधिसभाका ११ सदस्यल... \n", "5996 १५ फागुन, गुल्मी । गुल्मी जिल्ला सदरमुकाम तम्... \n", "5997 १५ फागुन, पोखरा । पोखराको लेकसाइड, शान्तिनगरब... \n", "5998 १५ फागुन, काठमाडौं । नेपाल प्रज्ञा प्रतिष्ठान... \n", "5999 १५ फागुन, काठमाडौं । काठमाडौं महानगरपालिकाले ... \n", "\n", "[6000 rows x 3 columns]" ], "text/html": [ "\n", "
\n", "
\n", "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
linktitlearticle
0https://www.onlinekhabar.com/2023/05/1312396काँक्राका फाइदै-फाइदा, कुन समयमा खानु राम्रो ?चर्को गर्मीमा काँक्रा खानुको मज्जा नै बेग्लै ...
1https://www.onlinekhabar.com/2023/05/1312323थाइराइडका बिरामीले के खाने, के नखाने ?काठमाडौं । शरीरलाई राम्रोसँग काम गर्न विभिन्न...
2https://www.onlinekhabar.com/2023/05/1312266बच्चामा अन्धोपनको जोखिम बढाउने आरओपी समस्या के...सामान्य बच्चाको तुलनामा समयअगावै जन्मिएका बच्...
3https://www.onlinekhabar.com/2023/05/1312637फुङलिङमा सवारी दुर्घटनामा परी एक बालककाे मृत्यु१२ जेठ, ताप्लेजुङ। स्कार्पियाे दुर्घटनामा बिह...
4https://www.onlinekhabar.com/2023/05/1312564जोर्डनका युवराज र साउदी युवतीबीचको विवाह किन छ...१२ जेठ, काठमाडौं । जोर्डनका युवराज हुसेन बिन ...
............
5995https://www.onlinekhabar.com/2023/02/1269914ज्येष्ठ सदस्य जबरासहित ११ सांसदले बुझाएनन् सम्...१५ फागुन, काठमाडौं । प्रतिनिधिसभाका ११ सदस्यल...
5996https://www.onlinekhabar.com/2023/02/1269908गुल्मीमा बिभिन्न कार्यक्रम गरेर ४१ औं मगर दिवस...१५ फागुन, गुल्मी । गुल्मी जिल्ला सदरमुकाम तम्...
5997https://www.onlinekhabar.com/2023/02/1269895कास्कीमा ६ महिनामै बलात्कारका ३५ उजुरी१५ फागुन, पोखरा । पोखराको लेकसाइड, शान्तिनगरब...
5998https://www.onlinekhabar.com/2023/02/1269881प्रज्ञा प्रतिष्ठानका सदस्यले दोहोरो सुविधा नपाउने१५ फागुन, काठमाडौं । नेपाल प्रज्ञा प्रतिष्ठान...
5999https://www.onlinekhabar.com/2023/02/1269863सिसडोलमा फोहोर फाल्ने स्वास्थ्य संस्थालाई महा...१५ फागुन, काठमाडौं । काठमाडौं महानगरपालिकाले ...
\n", "

6000 rows × 3 columns

\n", "
\n", " \n", " \n", " \n", "\n", " \n", "
\n", "
\n", " " ] }, "metadata": {}, "execution_count": 8 } ] }, { "cell_type": "code", "source": [ "news.drop_duplicates(subset=['title'], inplace=True)" ], "metadata": { "id": "JwlXY7Q1SU7D" }, "execution_count": null, "outputs": [] }, { "cell_type": "code", "source": [ "news.shape" ], "metadata": { "colab": { "base_uri": "https://localhost:8080/" }, "id": "22-gZ_sCSoav", "outputId": "39b5280d-61e5-4492-9f47-e8a2638c4d07" }, "execution_count": null, "outputs": [ { "output_type": "execute_result", "data": { "text/plain": [ "(3857, 3)" ] }, "metadata": {}, "execution_count": 10 } ] }, { "cell_type": "code", "source": [ "news = news[['title', 'article','link']]\n", "news.insert(0, 'id', range(0, news.shape[0]))" ], "metadata": { "id": "kcKuRpDY-p-3" }, "execution_count": null, "outputs": [] }, { "cell_type": "code", "source": [ "news.head(100)" ], "metadata": { "colab": { "base_uri": "https://localhost:8080/", "height": 423 }, "id": "iI_-uQezSmKU", "outputId": "d05ab919-2ff8-4738-e706-030863915a40" }, "execution_count": null, "outputs": [ { "output_type": "execute_result", "data": { "text/plain": [ " id title \\\n", "0 0 काँक्राका फाइदै-फाइदा, कुन समयमा खानु राम्रो ? \n", "1 1 थाइराइडका बिरामीले के खाने, के नखाने ? \n", "2 2 बच्चामा अन्धोपनको जोखिम बढाउने आरओपी समस्या के... \n", "3 3 फुङलिङमा सवारी दुर्घटनामा परी एक बालककाे मृत्यु \n", "4 4 जोर्डनका युवराज र साउदी युवतीबीचको विवाह किन छ... \n", ".. .. ... \n", "117 95 भोलि काठमाडौं उपत्यकामा सार्वजनिक बिदा \n", "118 96 ग्यास र बिजुली प्रयोगको शिक्षा विद्यालयकै पाठ्... \n", "119 97 गौतमबुद्ध विमानस्थलबाट लक्ष्यको १० प्रतिशत मात... \n", "129 98 ज्ञानेन्द्र शाहीको प्रश्न : आईजीपीलाई निलम्बन ... \n", "130 99 कसरी गर्ने एन्जाइटी नियन्त्रण ? यस्ता छन् ८ उपाय \n", "\n", " article \\\n", "0 चर्को गर्मीमा काँक्रा खानुको मज्जा नै बेग्लै ... \n", "1 काठमाडौं । शरीरलाई राम्रोसँग काम गर्न विभिन्न... \n", "2 सामान्य बच्चाको तुलनामा समयअगावै जन्मिएका बच्... \n", "3 १२ जेठ, ताप्लेजुङ। स्कार्पियाे दुर्घटनामा बिह... \n", "4 १२ जेठ, काठमाडौं । जोर्डनका युवराज हुसेन बिन ... \n", ".. ... \n", "117 १० जेठ, काठमाडौं । भोटो देखाउने जात्राको अवसर... \n", "118 १० जेठ, काठमाडौं । नेपाली कांग्रेसका सांसद चन... \n", "119 १० जेठ, काठमाडौं । नेपालको दोस्रो अन्तर्राष्ट... \n", "129 १० जेठ, काठमाडौं। राष्ट्रिय प्रजातन्त्र पार्ट... \n", "130 हरेक व्यक्तिमा कुनै न कुनै तनाव त भइरहन्छ । त... \n", "\n", " link \n", "0 https://www.onlinekhabar.com/2023/05/1312396 \n", "1 https://www.onlinekhabar.com/2023/05/1312323 \n", "2 https://www.onlinekhabar.com/2023/05/1312266 \n", "3 https://www.onlinekhabar.com/2023/05/1312637 \n", "4 https://www.onlinekhabar.com/2023/05/1312564 \n", ".. ... \n", "117 https://www.onlinekhabar.com/2023/05/1311800 \n", "118 https://www.onlinekhabar.com/2023/05/1311778 \n", "119 https://www.onlinekhabar.com/2023/05/1311777 \n", "129 https://www.onlinekhabar.com/2023/05/1311764 \n", "130 https://www.onlinekhabar.com/2023/05/1311635 \n", "\n", "[100 rows x 4 columns]" ], "text/html": [ "\n", "
\n", "
\n", "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
idtitlearticlelink
00काँक्राका फाइदै-फाइदा, कुन समयमा खानु राम्रो ?चर्को गर्मीमा काँक्रा खानुको मज्जा नै बेग्लै ...https://www.onlinekhabar.com/2023/05/1312396
11थाइराइडका बिरामीले के खाने, के नखाने ?काठमाडौं । शरीरलाई राम्रोसँग काम गर्न विभिन्न...https://www.onlinekhabar.com/2023/05/1312323
22बच्चामा अन्धोपनको जोखिम बढाउने आरओपी समस्या के...सामान्य बच्चाको तुलनामा समयअगावै जन्मिएका बच्...https://www.onlinekhabar.com/2023/05/1312266
33फुङलिङमा सवारी दुर्घटनामा परी एक बालककाे मृत्यु१२ जेठ, ताप्लेजुङ। स्कार्पियाे दुर्घटनामा बिह...https://www.onlinekhabar.com/2023/05/1312637
44जोर्डनका युवराज र साउदी युवतीबीचको विवाह किन छ...१२ जेठ, काठमाडौं । जोर्डनका युवराज हुसेन बिन ...https://www.onlinekhabar.com/2023/05/1312564
...............
11795भोलि काठमाडौं उपत्यकामा सार्वजनिक बिदा१० जेठ, काठमाडौं । भोटो देखाउने जात्राको अवसर...https://www.onlinekhabar.com/2023/05/1311800
11896ग्यास र बिजुली प्रयोगको शिक्षा विद्यालयकै पाठ्...१० जेठ, काठमाडौं । नेपाली कांग्रेसका सांसद चन...https://www.onlinekhabar.com/2023/05/1311778
11997गौतमबुद्ध विमानस्थलबाट लक्ष्यको १० प्रतिशत मात...१० जेठ, काठमाडौं । नेपालको दोस्रो अन्तर्राष्ट...https://www.onlinekhabar.com/2023/05/1311777
12998ज्ञानेन्द्र शाहीको प्रश्न : आईजीपीलाई निलम्बन ...१० जेठ, काठमाडौं। राष्ट्रिय प्रजातन्त्र पार्ट...https://www.onlinekhabar.com/2023/05/1311764
13099कसरी गर्ने एन्जाइटी नियन्त्रण ? यस्ता छन् ८ उपायहरेक व्यक्तिमा कुनै न कुनै तनाव त भइरहन्छ । त...https://www.onlinekhabar.com/2023/05/1311635
\n", "

100 rows × 4 columns

\n", "
\n", " \n", " \n", " \n", "\n", " \n", "
\n", "
\n", " " ] }, "metadata": {}, "execution_count": 13 } ] }, { "cell_type": "code", "source": [ "news.reset_index(drop=True, inplace=True)" ], "metadata": { "id": "LirfvTPeSnsC" }, "execution_count": null, "outputs": [] }, { "cell_type": "code", "source": [ "news.head(100)" ], "metadata": { "id": "gOZ_BTM6SwqI", "colab": { "base_uri": "https://localhost:8080/", "height": 423 }, "outputId": "452bf62c-9753-4f76-c521-1e09d9205170" }, "execution_count": null, "outputs": [ { "output_type": "execute_result", "data": { "text/plain": [ " id title \\\n", "0 0 काँक्राका फाइदै-फाइदा, कुन समयमा खानु राम्रो ? \n", "1 1 थाइराइडका बिरामीले के खाने, के नखाने ? \n", "2 2 बच्चामा अन्धोपनको जोखिम बढाउने आरओपी समस्या के... \n", "3 3 फुङलिङमा सवारी दुर्घटनामा परी एक बालककाे मृत्यु \n", "4 4 जोर्डनका युवराज र साउदी युवतीबीचको विवाह किन छ... \n", ".. .. ... \n", "95 95 भोलि काठमाडौं उपत्यकामा सार्वजनिक बिदा \n", "96 96 ग्यास र बिजुली प्रयोगको शिक्षा विद्यालयकै पाठ्... \n", "97 97 गौतमबुद्ध विमानस्थलबाट लक्ष्यको १० प्रतिशत मात... \n", "98 98 ज्ञानेन्द्र शाहीको प्रश्न : आईजीपीलाई निलम्बन ... \n", "99 99 कसरी गर्ने एन्जाइटी नियन्त्रण ? यस्ता छन् ८ उपाय \n", "\n", " article \\\n", "0 चर्को गर्मीमा काँक्रा खानुको मज्जा नै बेग्लै ... \n", "1 काठमाडौं । शरीरलाई राम्रोसँग काम गर्न विभिन्न... \n", "2 सामान्य बच्चाको तुलनामा समयअगावै जन्मिएका बच्... \n", "3 १२ जेठ, ताप्लेजुङ। स्कार्पियाे दुर्घटनामा बिह... \n", "4 १२ जेठ, काठमाडौं । जोर्डनका युवराज हुसेन बिन ... \n", ".. ... \n", "95 १० जेठ, काठमाडौं । भोटो देखाउने जात्राको अवसर... \n", "96 १० जेठ, काठमाडौं । नेपाली कांग्रेसका सांसद चन... \n", "97 १० जेठ, काठमाडौं । नेपालको दोस्रो अन्तर्राष्ट... \n", "98 १० जेठ, काठमाडौं। राष्ट्रिय प्रजातन्त्र पार्ट... \n", "99 हरेक व्यक्तिमा कुनै न कुनै तनाव त भइरहन्छ । त... \n", "\n", " link \n", "0 https://www.onlinekhabar.com/2023/05/1312396 \n", "1 https://www.onlinekhabar.com/2023/05/1312323 \n", "2 https://www.onlinekhabar.com/2023/05/1312266 \n", "3 https://www.onlinekhabar.com/2023/05/1312637 \n", "4 https://www.onlinekhabar.com/2023/05/1312564 \n", ".. ... \n", "95 https://www.onlinekhabar.com/2023/05/1311800 \n", "96 https://www.onlinekhabar.com/2023/05/1311778 \n", "97 https://www.onlinekhabar.com/2023/05/1311777 \n", "98 https://www.onlinekhabar.com/2023/05/1311764 \n", "99 https://www.onlinekhabar.com/2023/05/1311635 \n", "\n", "[100 rows x 4 columns]" ], "text/html": [ "\n", "
\n", "
\n", "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
idtitlearticlelink
00काँक्राका फाइदै-फाइदा, कुन समयमा खानु राम्रो ?चर्को गर्मीमा काँक्रा खानुको मज्जा नै बेग्लै ...https://www.onlinekhabar.com/2023/05/1312396
11थाइराइडका बिरामीले के खाने, के नखाने ?काठमाडौं । शरीरलाई राम्रोसँग काम गर्न विभिन्न...https://www.onlinekhabar.com/2023/05/1312323
22बच्चामा अन्धोपनको जोखिम बढाउने आरओपी समस्या के...सामान्य बच्चाको तुलनामा समयअगावै जन्मिएका बच्...https://www.onlinekhabar.com/2023/05/1312266
33फुङलिङमा सवारी दुर्घटनामा परी एक बालककाे मृत्यु१२ जेठ, ताप्लेजुङ। स्कार्पियाे दुर्घटनामा बिह...https://www.onlinekhabar.com/2023/05/1312637
44जोर्डनका युवराज र साउदी युवतीबीचको विवाह किन छ...१२ जेठ, काठमाडौं । जोर्डनका युवराज हुसेन बिन ...https://www.onlinekhabar.com/2023/05/1312564
...............
9595भोलि काठमाडौं उपत्यकामा सार्वजनिक बिदा१० जेठ, काठमाडौं । भोटो देखाउने जात्राको अवसर...https://www.onlinekhabar.com/2023/05/1311800
9696ग्यास र बिजुली प्रयोगको शिक्षा विद्यालयकै पाठ्...१० जेठ, काठमाडौं । नेपाली कांग्रेसका सांसद चन...https://www.onlinekhabar.com/2023/05/1311778
9797गौतमबुद्ध विमानस्थलबाट लक्ष्यको १० प्रतिशत मात...१० जेठ, काठमाडौं । नेपालको दोस्रो अन्तर्राष्ट...https://www.onlinekhabar.com/2023/05/1311777
9898ज्ञानेन्द्र शाहीको प्रश्न : आईजीपीलाई निलम्बन ...१० जेठ, काठमाडौं। राष्ट्रिय प्रजातन्त्र पार्ट...https://www.onlinekhabar.com/2023/05/1311764
9999कसरी गर्ने एन्जाइटी नियन्त्रण ? यस्ता छन् ८ उपायहरेक व्यक्तिमा कुनै न कुनै तनाव त भइरहन्छ । त...https://www.onlinekhabar.com/2023/05/1311635
\n", "

100 rows × 4 columns

\n", "
\n", " \n", " \n", " \n", "\n", " \n", "
\n", "
\n", " " ] }, "metadata": {}, "execution_count": 15 } ] }, { "cell_type": "code", "source": [ "news.to_csv('3k_News.csv')" ], "metadata": { "id": "FCi6DotDS2zU" }, "execution_count": null, "outputs": [] }, { "cell_type": "code", "source": [], "metadata": { "id": "eCc5kMy3S7d3" }, "execution_count": null, "outputs": [] } ] }