使用您的 API 可以从新闻数据中提取什么？

姓名、公司和地点；主题和类别；正面/负面/中性语调；关键词；文章发布时间；来源详情；故事的地理来源；报道随时间的变化情况；以及实体在文章中的相互关系。

数据科学家如何使用您的新闻数据？

数据科学家将该 API 用于自然语言研究、语调分析、趋势预测、事件检测、主题分组、知识图谱构建和机器学习模型训练。结构化数据可节省预处理时间。

您支持哪些数据格式进行分析？

以 JSON 格式导出数据以进行程序化处理，以 CSV 格式导出数据以进行统计分析，或使用批量下载端点处理大型数据集。所有格式均包含完整的文章元数据。

我能否访问历史数据进行研究？

是的，可以访问历史新闻档案以进行长期研究、模型回测和过去事件分析。历史数据的深度因计划而异——企业客户可以访问扩展档案。

如何识别新闻数据中的模式和相关性？

使用主题和实体提取来识别一起出现的科目。分析时间序列以查找领先指标，比较相关主题的语气，并识别事件发生前的报道模式。

我可以通过 API 处理多少数据量？

请求限制随您的套餐而增加。企业客户将获得专用容量，用于密集型数据分析。

我可以使用新闻数据构建预测模型吗？

是的，结构化的语气、实体和主题数据非常适合预测模型。客户使用数据源构建用于股票预测、风险预测、趋势检测和事件预期模型。

6,000+开发者信赖之选

数据挖掘 API 与新闻API

最后更新时间: October 30, 2026

获取来自世界各地的新闻头条，包含来源和图片。

实时新闻文章来自 177 国家

在 60 语言

优势

含 News API 功能的数据挖掘

新闻数据挖掘可在大量新闻内容中发现模式和见解。该 API 返回您可用于分析和预测的姓名、公司、地点、正面/负面/中性语调、主题和文章详情。

获取免费API密钥

了解更多关于API的信息

数据提取

数据分析

轻松集成

定价计划

交互式演示

选择一个场景，查看实际的 API 响应。无需凭据。

News API 场景

准备好使用 News API 进行构建了吗？

查看常见任务的配方和代码示例。

工作流程示例

完整数据模型

API响应

✓ 特斯拉股票新闻的基调

Status: ok

Loading...

此示例显示的内容：

文章语气提及的公司文章详情图片链接发布者详情

用例

您可以做什么

无论您是小型企业还是大型企业，都可以使用我们的新闻数据。

Pipelines

批量摄取管道

将文章流式传输到 Kafka 或 Pub/Sub 以进行下游处理、存储和分析。

训练语料库构建

使用类别、语言、来源排名和日期过滤器构建特定于域的训练数据集。

Knowledge graph

实体图丰富

从文章中提取实体和关系，以丰富知识图谱和 CRM 记录。

Research

回填数据集

通过历史端点回填多年数据集，用于学术研究、回测和审计。

合规

数据沿袭与出处

捕获完整的文章元数据（发布者、时间戳、URL），以实现可审计性和引用。

Quant

特征工程

为预测模型推导特征（实体暴露、情绪时间序列、主题强度）。

功能

轻松获取所需内容

访问来自数千个来源的新闻文章。

新闻API

以多种格式导出数据
行业监控
品牌监控
市场新闻和趋势
风险管理
竞争对手新闻
媒体监控
文章语气
趋势分析
对相关文章进行分组
预测社会趋势
多种语言
观众参与度
地理分析
实时突发新闻
过往文章
自定义新闻源
新闻聚合
内容过滤
超过 50 次集成

每篇文章的详细信息

行业
地点
人物
组织机构
品牌
事件
灾难
疾病
链接
媒体
图片和视频
标签
作者
来源
查找重复文章
来源排名
文章情感
可读性得分
检测语言
等等

分析

文章语气
公众舆论分析
分类
财务分析
趋势分析
对相关文章进行分组
内容摘要
名称和地点
关键词提取
文章主题
事件检测
名称和地点
文本分类
争议检测
来源信任评分
参与度指标
来源观点
质量排名
垃圾邮件检测
情绪检测

搜索过滤器

按地点搜索
按日期范围搜索
按来源搜索
按类别搜索
按行业搜索
按文章语气搜索
按故事搜索
按来源排名搜索
按语言搜索
按名称或地点搜索
按关键词搜索
使用 AND、OR、NOT 组合术语
邻近搜索
分面搜索
范围查询
按作者搜索
按媒体类型搜索
按突发新闻搜索
按阅读时间搜索
+ 超过 65 个附加过滤器

超过 300,000+ 来源

全球团队使用 APITube 构建数字产品。

最后更新时间: 8s 前
来源总数: 300.000k
昨天的请求: 27.524
昨天添加的文章: 94.645
文章总数: 3.88b

常见问题解答

: 新闻数据挖掘可在大量新闻内容中发现模式和见解。该 API 返回您可用于分析和预测的姓名、公司、地点、正面/负面/中性语调、主题和文章详情。
: 姓名、公司和地点；主题和类别；正面/负面/中性语调；关键词；文章发布时间；来源详情；故事的地理来源；报道随时间的变化情况；以及实体在文章中的相互关系。
: 数据科学家将该 API 用于自然语言研究、语调分析、趋势预测、事件检测、主题分组、知识图谱构建和机器学习模型训练。结构化数据可节省预处理时间。
: 以 JSON 格式导出数据以进行程序化处理，以 CSV 格式导出数据以进行统计分析，或使用批量下载端点处理大型数据集。所有格式均包含完整的文章元数据。
: 是的，可以访问历史新闻档案以进行长期研究、模型回测和过去事件分析。历史数据的深度因计划而异——企业客户可以访问扩展档案。
: 使用主题和实体提取来识别一起出现的科目。分析时间序列以查找领先指标，比较相关主题的语气，并识别事件发生前的报道模式。
: 请求限制随您的套餐而增加。企业客户将获得专用容量，用于密集型数据分析。
: 是的，结构化的语气、实体和主题数据非常适合预测模型。客户使用数据源构建用于股票预测、风险预测、趋势检测和事件预期模型。

帮助

Developer Guides2026年10月29日

Real-time news alerts with WebSockets (Socket.IO 2026)

Build real-time news alerts with WebSockets in Node.js using Socket.IO 4.8 and APITube SSE. Room filters, reconnect, Redis adapter, full code.

Developer Guides2026年10月26日

News Sentiment Trading Signals: An Honest Quant Guide

Build a news sentiment trading signal that survives an honest backtest: entity-level sentiment, dedup, decay, z-score. Real API JSON, code, and caveats.