微博抓取

1.微博抓取的含义

2.微博抓取的数据

 微博作者、作者VIP判断、微博内容、发布时间、抓发评论数、微文数、如果是转发的微博还包括转发者及转发者说的话的详细信息.

3.微博抓取的工具

a.ROST 新浪定时监控工具，基于新浪微博Oauth模式认证下调用新浪微博api抓取新浪微博数据，支持实时（最少5秒钟抓取更新一次）抓取数据

b.新浪微博数据采集器 V1.0

4.微博抓取的方法

a.正则表达式，自己做爬虫。要解决两个问题：模拟登录和页面存储与数据处理

b.微博给的api，有每日使用次数的限制。由于请求方式的不同，导致返回的格式不同。常用的请求格式有两种：XML和JSON。

对于XML，使用JDOM4J的方式进行抓取，本身DOM的要求比较严格，因此对于那种一些用户偏好的个性化字符格式很难进行获取

对于JSON，是一种更加lightweighting的数据交换方式，文件不具有明显的强结构特征。

ex.新浪api 开发的流程

http://jelen-123.iteye.com/blog/1279563

App Key：3197495784
App Secret：c2ba81f20da5807e5dccc1ae0166fc85

c.两者结合

d.map/reduce方法分布式获取微博信息