在资料库中人民日报从1957年-2002年近半个世纪的报纸资料：
http://www.ziliaoku.org/rmrb/
如此好的资料，就应该自己收藏到本地，因为说不定哪一天，网上的资料就被删除了。
所以：写个爬虫爬下来
其实，request，urllib等的包也可以爬取，但是在处理中文字符上有很大问题，而robobowser可以解决此问题。
另外，在re.DOTALL用来设定dot能够表示包含换行符在内的所有字符。
不过反思以上代码，作为面向对象的编程语言，在上述代码中不仅没出现class，连def也没有出现，确实是python入门水平。
但不管怎样，我们得到了我们想要的东西，像这样：
这半个世纪，大概有1111869篇新闻报道。当然，有了下载数据，如果有兴趣也可以做一个文本分析。
福利：经过几经周转，终于把所有文档下载并压缩了下来，文件已经按时间重命名：
文件大小：1.44GB
链接：https://pan.baidu.com/s/1hsgsDJe
密码：joe9
| 
转播
