【数据名称】新闻联播文字稿数据集
【数据来源】央视网新闻联播官方网站（https://tv.cctv.com/lm/xwlb/）
【时间跨度】2006年9月1日 - 2026年1月12日
【区域范围】中国
【数据格式】TXT文本文件
【数据规模】约7000+天的新闻联播文字稿


数据简介
CCTV新闻联播是中央电视台的旗舰新闻节目，每晚在黄金时段播出，深受广大观众关注，并被视为我国的主要新闻来源。每日文本数据指的是该节目每期的文字稿件内容，囊括了当日播报的各项新闻内容，从国内政治、经济、社会各领域到国际大事都有涉及。
本数据集收集了自2006年9月1日至2026年1月12日期间的新闻联播文字稿内容，涵盖近20年的新闻报道。这些数据为研究者提供了一个资料参考库，可以用于分析新闻报道趋势、政策方向以及与国际事件的互动态度等。


数据结构
数据按照"年份/月份"的层级目录结构组织，每天的新闻联播内容保存为一个独立的TXT文件。


文件夹结构：
新闻联播数据集TXT（2006.9.1-2025.12.05）/
├── 新闻联播爬虫.py              爬虫程序
├── 数据说明.txt                 本说明文件
└── 新闻联播数据集TXT（2006.9.1-2025.12.05）/
    ├── 2006/
    │   └── 2006-09/
    │       ├── 2006-09-01.txt
    │       ├── 2006-09-02.txt
    │       └── ...
    ├── 2007/
    ├── ...
    ├── 2025/
    │   └── 2025-12/
    │       └── ...
    └── 2026/
        └── 2026-01/
            ├── 2026-01-01.txt
            ├── 2026-01-02.txt
            └── 2026-01-12.txt


文件命名规则
- 按年份分文件夹：2006、2007、...、2025、2026
- 按月份分子文件夹：2006-09、2006-10、...、2026-01
- 每天一个txt文件：YYYY-MM-DD.txt（如：2026-01-12.txt）









文件内容格式
每个TXT文件包含当日新闻联播的所有新闻条目，每条新闻包含标题和正文内容。


示例格式：
标题：[视频]【"十五五"开好局起好步】办好民生实事 为千家万户添福祉
央视网消息（新闻联播）：新的一年，各地立足"十五五"开好局、起好步，统筹推进民生保障和社会建设...


标题：[视频]国家首次明确政府投资基金布局和投向
央视网消息（新闻联播）：国家发展改革委会同财政部、科技部、工业和信息化部今天（1月12日）发布...


（多条新闻之间用空行分隔）


数据特点
1. 时间跨度长：覆盖近20年的新闻报道，可用于长时间序列分析
2. 内容权威：来源于中央电视台官方媒体，内容准确可靠
3. 结构规范：按日期组织，便于检索和分析
4. 覆盖全面：涵盖国内政治、经济、社会各领域及国际大事

数据采集说明
数据通过Python爬虫程序自动采集，爬虫代码文件：新闻联播爬虫.py


采集流程：
1. 访问央视网新闻联播列表页，获取指定日期的新闻链接
2. 逐条访问新闻详情页，提取标题和正文内容
3. 按日期保存为TXT文件，组织到对应的年份/月份目录


爬虫使用说明
如需更新数据或补充爬取，可运行爬虫程序：


1. 安装依赖：
pip install requests beautifulsoup4


2. 运行爬虫：
python 新闻联播爬虫.py


3. 按提示输入日期范围：
- 开始日期（格式：YYYY-MM-DD）
- 结束日期（格式：YYYY-MM-DD）


4. 爬虫会自动：
- 按日期逐天爬取
- 创建年份/月份文件夹
- 保存每天的新闻内容为txt文件

数据统计
- 时间跨度：约20年（2006.9.1 - 2026.1.12）
- 数据天数：约7000+天
- 单日文件大小：约5-50KB（视当天新闻数量而定）
- 总数据量：约数百MB文本数据