爬杜蕾斯官方微博，内容太刺激了吧

最新推荐文章于 2020-10-15 10:51:58 发布

flyfor2013

最新推荐文章于 2020-10-15 10:51:58 发布

阅读量280

点赞数

点击上方“AI算法与图像处理”，选择加"星标"或“置顶”

做积极的人，坚持自己的梦想 640?wx_fmt=jpeg

本文转载自：恒仔，https://zhuanlan.zhihu.com/p/35920573

本文仅供娱乐

「

导语

Input Title

」

杜蕾斯的广告文案一直是业界翘楚，尤其是用诙谐的语句描写不可描述之事时的那种会心一笑，于是我就想知道，杜蕾斯这些年发了哪些有趣的广告。

本文参考的思路：https://www.cnblogs.com/dmyu/p/6034634.html

640?wx_fmt=jpeg

「

效果展示

Input Title

」

一共爬得原创微博1713条，图片551张：（这里虽然是爬取原创微博，但感觉算法的部分还是不太理想，图片的数量与预估的差很多，先留个坑，之后再填上）

640?wx_fmt=jpeg 杜蕾斯的微博文字

640?wx_fmt=jpeg 杜蕾斯的微博图片

「

爬虫思路

Input Title

」

讲讲爬虫的大概思路（具体看原文代码）：

使用Chrome模拟手机登录微博，登录之后从Network中复制下自己的cookie
获得想要爬取对象的User ID
先从源码中找出该User的微博有多少页（H5没有页码的概念了，动态加载，爬起来会比较困难，但是我也没有搞清楚手机浏览微博页面的页码是如何存在的，再留个坑/(ㄒoㄒ)/~~）
为了防止被服务器拒绝爬虫，可以设定每爬取一部分页面，就休眠一分钟之类
用requests爬下每一页的源码，然后用BeatifulSoup来保存html并匹配关键标签如[href][a]等
文字部分可以直接保存为文档，而图片则可以先将图片的连接都存进文档中，然后再来下载其中的每一张图片
图片经常会有下载失败的情况，可以从日志或者自己再将失败的连接存下来继续下载

挑出一些微博文字和图片给大家看看

3: 好男人不会让等待的爱人心越来越慌，孤单单看不见性福回来的方向。关键时刻不要等套来，趁着@唯品会 打折备点货[doge]http://t.cn/Rm1Eub5 	
82: 每当有了你，我的身体就开始满血运行。 	
109: 《滑落》 晨间的露珠，从绿叶上滑落。滑过，不想滑落，我们是和它们反向的爱。 	
121: 你是我的 半截的诗 半截用心爱着 半截用肉体埋着 你是我的 半截的诗 不许别人更改一个字——海子 	
185: 我们珍视一切承载那些瞬间的物品。并将这些厚厚的爱，以最薄的方式呈现在#杜蕾斯AiR爱情薄物馆#。杜蕾斯官方微博的秒拍视频 	
227: 戊戌年，吉犬年，好运不止长长长长长长长长长长长一点[doge][doge][doge] 	
245: 如何让亲戚朋友不再问“什么时候谈对象”——不动声色地从钱包里拿出一枚“草莓味口香糖”[并不简单] 	
267: 今天没遇到也别着急，总有一天能遇到和自己严丝合缝的人。 	
377: 想把自己的全世界，零星地给你。想和你生活在一起，想于清晨和夜晚，在你的身体内起床，在你的身体内躺下。 	
391: 面对新的一天时，当胸口又有了烦人的空茫，只有爱人灼热的身体依偎在怀里，它才能被填满。 	
394: 契合的爱侣就像一个灵魂寓于两个身体，两个灵魂有着相匹配的思想，两颗心的跳动是一致的。而肉体的交融，是为了让灵魂相遇。 	
399: 没有你，我丢失了性欲、购物欲、随心所欲。 	
472: 喜欢你呐，是一件容易令人上瘾的事。 	
633: 不论天气，与你的每一日都适合翻云覆雨@墨迹天气 http://t.cn/RjdefZc 	
685: 你来人间一趟，务必要谈一次20来岁的爱情试试看。 	
692: 秋冬的早晨醒来总是口干舌燥，大概是欠吻。 	
1079: 我的被子很空，你什么时候来帮我填一下？@ 	
1293: 我能想到最浪漫的事，就是和你在床上一起慢慢变老。 	
1549: 想和你做尽无聊之事，想在你身上虚度光阴。 	
1619: 如果等的人是你，迟一点出现也没关系，迟很多不行。

人工挑选的效率还是差，之后做实践的朋友们，可以考虑先过滤一下数据（例如：杜蕾斯有#话题#的博文一般都不是文案），将与粉丝的互动根据某条微博的评论数、点赞数等来判断这条微博的热度（有趣度）。

选一些杜蕾斯的图片：

640?wx_fmt=jpeg