当前，文本数据存量和增量都十分惊人，文本挖掘也成为了当前经济学分析潮流之一。百度作为最常用的搜索引擎，在文本数据上存在较为明显的优势，本人利用python编写的百度新闻的文本获取程序，在百度新闻页面输入关键词后获取网址，赋予程序页面，即可实现文本数据的获取，并针对获取数据中存在HTML的情况，对数据进行去噪声处理，实现与页面相一致的文本数据，可用度高。
执行：

结果：

去噪声之后：

去噪声之后：