01 · DescubrimientoDocumentado
Resultado de las noticias
Un resultado vinculado a la consulta se muestra en la vertical de Noticias de Google.
- Headline and destination
- Source and snippet
- Query and request context
Noticias y artículos
Noticias y artículos de datos de extracción
Recopila resultados de noticias y artículos públicos para seguimiento de medios e investigación. Conserva juntos titulares, editores, fechas, enlaces de origen y revisiones.
Modelo de registro de historias
Conecta resultados de noticias, artículos y revisiones.
Modelo de descubrimiento, publicación, contenido, personas, revisiones y temas por separado para que un fragmento de resultado nunca se disfrace como un artículo completo.
02 · SourceDocumentado
Publicación
La identidad pública del editor y la página fuente asociada con una observación.
- Source name and URL
- Section or channel
- Language and locale
03 · ContentPilot primero
Artículo
Título, guión, cuerpo, metadatos y referencias de medios vinculados a la fuente donde la página elegible los expone.
- Canonical URL
- Visible article fields
- Author or byline
04 · ChangePilot primero
Edición o revisión
Una observación sucesiva de campos de artículos seleccionados, nunca una intención editorial inferida.
- Content hash
- First and last seen
- Changed field set
05 · MeaningPilot primero
Tema o entidad
Una capa de enriquecimiento producida bajo modelos o reglas acordadas y mantenida separada de los hechos de origen.
- Named entity cue
- Topic label
- Rule or model version
Object boundaryNot assumed
Un resultado del descubrimiento no es un artículo completo.
El descubrimiento no es lo mismo que la extracción de artículos completos. Un fragmento, página de artículo, guión del autor, editor, revisión y tema tienen cada uno un límite de evidencia diferente.
Contrato de cobertura
Comprueba las fuentes y la cobertura de campos.
Revisa la fuente, el tipo de página, el mercado y los campos que necesitas antes de elegir una API o una recopilación personalizada.
Engine or familyIngresoContextoEstado de la Unión
Esquema de registro
Consulta los campos de un registro de ejemplo.
Mantenga lo que la fuente expuso separado de lo que la colección observó y lo que un enriquecimiento en aguas posteriores inferido.
Contexto de resultados
- query
- La consulta de descubrimiento presentada.
- rank
- Posición en esta página de resultados y contexto de la solicitud.
- result_url
- El destino expuesto por el resultado.
Campos visibles en la fuente
- headline
- Título expuesto en la página elegible.
- byline
- La cadena de autor público, no automáticamente una persona resuelta.
- body_state
- Presente, ausente, excluido, fallido, cambiado o revisado.
Publicación y observación
- published_at
- Tiempo atribuido por la fuente, cuando se expone.
- observed_at
- El tiempo de la colección produjo esta observación.
- first_seen_at
- Primera aparición dentro de la ventana de vigilancia contratada.
Trazabilidad y estado
- source_url
- Página pública asociada con el registro.
- content_hash
- Impresión digital opcional para observaciones sucesivas.
- schema_version
- Versión de la forma de salida acordada.
{
"record_id": "story_0042",
"object_type": "article_observation",
"discovery": {
"query": "energy outlook",
"surface": "google_news",
"rank": 3
},
"article": {
"headline": "Grid investment accelerates",
"publication": "Example Daily",
"body_state": "observed"
},
"published_at": "YYYY-MM-DDT06:10:00Z",
"observed_at": "YYYY-MM-DDT08:42:00Z",
"source_url": "https://news.example/story/42",
"schema_version": "news.v1"
}Two clocks, two meanings.
published_at is source-attributed publication time; observed_at is collection time. Neither should overwrite the other.
Identidad y linaje
Los registros relacionados con el grupo sin borrar cada fuente.
Preserva el editor, URL, contexto de descubrimiento y observación de artículos antes de agregar URLs canónicas, grupos, entidades o etiquetas de temas.
- 01
Clave de descubrimiento
URL de búsqueda + resultado
Se conservó el contexto de la solicitud. - 02
Indicaciones de origen
URL canónica + editor
Se utiliza cuando se expone y se verifica. - 03
Estado del contenido
Título + hash + tiempo
Comparado bajo una versión de regla nombrada. - 04
Relaciones
el mismo artículo, revisión o grupo de candidatos
La ambigüedad sigue siendo explícita.
Semántica de la frescura
Una historia recientemente publicada y una página recientemente observada son hechos diferentes.
Establezca la cadencia de recogida por flujo de trabajo, luego mantenga el tiempo atribuido por la fuente junto con los tiempos de solicitud, observación, entrega y cambio.
- Hora de origenpublished_at
El tiempo de publicación mostrado, tal como se interpreta en el contrato.
- Recopiladoobserved_at
El artículo o el resultado se observaron en el contexto solicitado.
- Entrega .delivered_at
El registro se puso a disposición del cliente.
- Cambiadofirst_seen / last_seen
La observación entró o salió del historial monitoreado.
Calidad y falta
No conviertas un artículo que no está disponible en una historia vacía.
Llevar el estado que explica por qué un campo está faltando para que el descubrimiento, análisis, disponibilidad de la fuente y las exclusiones de políticas permanezcan distinguibles.
Presencia de la estructura requerida
El registro pasó las verificaciones de campo de descubrimiento o de artículo acordadas.
Campo no expuesto
La página fuente no mostró la línea de texto, el tiempo o el campo de cuerpo solicitados.
Template o linaje es ambigüo
La página o relación necesita ser inspeccionada de acuerdo con las reglas contratadas.
No se ha realizado ninguna observación
El artículo excluido, restringido, fallido o no disponible es distinto de un artículo vacío.
Control estructural
Las claves requeridas, tipos, recuentos de resultados, razón del estado del cuerpo, forma de timestamp y versión de esquema.
Control de campo
Formatos de URL, atribución de fuente, estado de análisis de tiempo de publicación, lenguaje y hash de contenido opcional.
Fronteras de aceptación
Su equipo aprueba los registros representativos, el conjunto de fuentes, el uso permitido y los umbrales de decisión; operamos las verificaciones técnicas acordadas.
Opciones de entrega
Elige cómo obtener tus datos.
Usa una API en tu aplicación, recibe registros periódicos o encárganos la recopilación.
Proxies
Conserva tus sistemas de recopilación y usa nuestra red de proxies.
Usa proxies residenciales, de centro de datos o de ISP con los sistemas de recopilación que tu equipo ya utiliza.
CaracterísticaDetalles
RecibesAcceso proxy para tus propias solicitudes
Nos encargamos deRed proxy y acceso
Tu parteRecopilación, extracción, almacenamiento y análisis
Ideal para · Equipos con sistemas de recopilación existentes.
Comparar servicios proxyAplicaciones
Pon estos registros a trabajar.
Usa los campos y ejemplos siguientes para planificar tu análisis, producto o flujo de seguimiento.
Monitoreo de los medios
Rastrear las consultas nombradas, fuentes y campos de historias públicas a lo largo del tiempo.
Results · articles · revisionsInvestigación de mercado y temas
Construir corpora reviewables para tendencias, narración y análisis de fuentes.
Articles · topics · provenanceRecuperación y aterrizaje de IA
Preparar entradas vinculadas a la fuente y con conocimiento del tiempo para los flujos de trabajo de recuperación aprobados.
Text state · source URL · timestampsLas señales de reputación y riesgo
Superficie una nueva cobertura pública para la revisión humana sin presentarla como una conclusión.
Discovery · entities · review stateInformación de los editores
Comparar los patrones de publicación pública, secciones y comportamiento de revisión.
Publication · article · first seenArchivos de investigación
Mantener los metadatos acordados y el contenido permitido con un historial de recogida rastreable.
Schema version · provenance · change historyPilotante representativo
Prueba una muestra en tu propio flujo de trabajo.
Utilice contextos de consulta reales y páginas de artículos públicos representativas, incluyendo historias ordinarias, revisiones, campos ausentes, plantillas cambiadas y estados restringidos.
- 01
Definición
Consultas, fuentes, campos de artículos, contextos, cadencia y uso permitido.
- 02
Muestra
Resultados y páginas que representan plantillas de origen, campos faltantes y cambios.
- 03
Inspección
Fuente de evidencia, tiempos, estados corporales, candidatos de linaje y excepciones.
- 04
Acceptad
Aprobar el esquema, el conjunto de fuentes, el modelo operativo y los umbrales técnicos.
Preguntas comunes
Preguntas antes de empezar
¿Qué datos de noticias se documentan hoy?
Usa los resultados de noticias de Google Search API para descubrir artículos. Usa Scraper API o Browser API para páginas de artículos públicos, o solicita un feed periódico.
¿Es el resultado de una noticia el mismo que un artículo completo?
No. El descubrimiento no es lo mismo que la extracción de artículos completos. Un resultado puede exponer un título, URL de destino, fuente, fragmento y señal de publicación mostrada sin exponer el cuerpo completo del artículo. Los campos de artículos requieren una página pública elegible separada y un contrato de extracción específico de fuente.
¿Qué campos de artículos se pueden entregar?
Un registro de artículo con alcance puede incluir la URL de la fuente, la URL canónica cuando se expone, el título, el primer lugar, la línea, el tiempo de publicación mostrado, la sección, el cuerpo visible, las referencias de medios, las etiquetas, el idioma y la procedencia. La presencia del campo varía según el editor y la plantilla, por lo que los esquemas normalizados agnósticos de la fuente son piloto primero.
¿Cómo se representan el tiempo de publicación y el tiempo de recogida?
published_at registra la hora que la fuente atribuye al artículo, cuando se muestra. observed_at registra cuándo la recopilación produjo la observación. Se mantienen separados porque un artículo puede descubrirse, revisarse o recopilarse mucho después de su publicación.
¿Se puede agrupar la cobertura duplicada del mismo evento?
La correspondencia puede incluirse en un feed o programa gestionado. La muestra confirma identificadores, reglas de comparación y cómo se muestran coincidencias inciertas o contradictorias.
¿Se pueden controlar las actualizaciones y revisiones de los artículos?
El historial empieza al iniciar el seguimiento. La cobertura anterior depende de registros de origen o capturas de archivo disponibles. Revisa fechas y lagunas en una muestra.
¿Cómo se manejan los cuerpos desaparecidos y las fallas de recogida?
La muestra distingue campos ausentes, páginas no disponibles, solicitudes fallidas y valores que requieren revisión. Acuerda el tratamiento de cada estado antes de la entrega periódica.
¿Se incluyen artículos con pago o sólo para iniciar sesión?
Los cuerpos de artículos con paredes de pago, solo para iniciar sesión, solo para miembros y restringidos de otra manera no son un alcance estándar.
¿Se puede redistribuir el texto del artículo sin restricciones?
No se implica ningún derecho de redistribución con derechos de autor. Los clientes siguen siendo responsables de los términos de origen, derechos de autor, licencias, retención, controles de acceso y uso permitido en el torrente.
¿Quién mantiene los cambios de origen?
Tu equipo mantiene los sistemas de recopilación con proxies y los parsers propios con APIs de acceso a páginas. Nosotros mantenemos la extracción compatible de Data API y la recopilación incluida en feeds o Managed Data.
Noticias y artículos
Comience con el acceso al descubrimiento o alcance de un feed de historias mantenido.
Traiga las consultas, las fuentes, los campos, los contextos y el caso de uso. Le ayudaremos a separar lo que está documentado de lo que el piloto representativo debe demostrar.