抓取 ledauphine.com 的rss 页面

关于 ledauphine.com

ledauphine.com 这样描述自己：“社会新闻、天气、山区、政治、经济、体育……通过我们的文章、幻灯片、视频和播客实时了解所有资讯”。

其站点地图在 1 个文件中列出了 686 个 URL（request）。 在 686 条带日期的条目中，有 62 条在最近 30 天内发生变化，最新一条在 2026年8月28日。

其 robots.txt 指定了 1 个站点地图，并禁止 12 个路径，其中包括 /recherche, /webservices/, /pour-sortir。

基于 Crawlbase 测得

2026年8月 对每个账户的每个请求统计的成功率：99.9%。URL 模式、国家和失败情况来自自 2026年8月14日 起的请求日志；0.1% 的成功调用使用了 JavaScript 令牌，响应中位时间为 2.4s。

在 Cookbook 的 74 个新闻媒体站点中，ledauphine.com 按成功率排在第 11 位（共 74 个）；类别中位数为 98.9%。 其响应中位时间 2.4s 与类别中位数 2.3s 相当。 74 个站点中有 58 个接受普通令牌，这个站点也在其中。

调用

文章页是各账户在此抓取最多的页面形态，附带最常成功的国家和令牌。请把占位路径换成站点上真实的文章 URL。

curl "https://api.crawlbase.com/?token=YOUR_TOKEN&url=https%3A%2F%2Fwww.ledauphine.com%2Frss"

from crawlbase import CrawlingAPI
api = CrawlingAPI({'token': 'YOUR_TOKEN'})

r = api.get('https://www.ledauphine.com/rss')
html = r['body']

const { CrawlingAPI } = require('crawlbase');
const api = new CrawlingAPI({ token: 'YOUR_TOKEN' });

const r = await api.get('https://www.ledauphine.com/rss');

关键参数

各账户抓取的 URL 模式

你能得到的字段

文章页带有标题、日期和作者，通常在 ld+json 的 Article 块中，正文在 HTML 里。该块通常也标明栏目。

会出问题的地方及修复方法

定时运行

新闻按小时变化。轮询栏目或站点地图获取新链接，然后把文章 URL 连同回调推送到 Crawler，让抓取按节奏进行。该站点的响应中位时间为 2.4s。

常见问题