(Gitchat备份)微博爬虫,单机每日千万级的数据 && 吐血整理的微博爬虫总结

前言 此前我发布了一篇博客微博爬虫,每日百万级数据,并且把代码开源在了Github上,然后就有很多人联系我,也有公众号转载了这篇文章。 不过对于微博爬虫,我还是心虚的,因为没有解决了账号池的问题,所以每天百万级的数据,是有水分的。单单爬好友关系,这种简单数据可以达到百万级,如果爬关键词...

2018-07-27 17:54:57

阅读数:1993

评论数:4

社交数据抓取系统

系统简介 根据关键词对主流舆情网站进行数据抓取. 网站包括:weibo,facebook,twitter,YouTube 用途 当然是对这些主流网站做舆情监控和分析啊!!! 比如你想了解工商银行的服务态度,直接去抓取提到了工商银行的微博语料(文本,图片,视频),然后基于这些语料做情感...

2018-05-21 11:09:14

阅读数:431

评论数:0

千万级微博语料数据整理

数据说明 整理了千万级的微博数据,可以做各种微博语料分析,字段非常丰富 数据最终是一个json文件,每一行都是一个小的json { "_id": { "$oid": "5a6...

2018-01-27 14:53:55

阅读数:2538

评论数:1

微博爬虫,每日百万级数据

前言新浪微博绝对是一个巨大的,实时的语料库!对微博数据爬取和分析,有重大的意义。 比如,现在要调查工商银行的服务态度,就可以抓取微博内容中包含工商银行的微博语料,然后做情感分析,就可以得到用户对银行服务的满意程度。再比如,最近火热的明星鹿晗,可以抓取鹿晗的粉丝信息,分析这些粉丝处于什么年...

2017-11-01 15:58:28

阅读数:11133

评论数:15

构建爬虫代理池

proxypoolproxypool是一个自动抓取免费代理并检测入库的程序,并提供开放的实时API服务:proxypool-open-WebAPI使用本项目采用python3进行开发,建议使用virtualenv# 下载源码 git clone https://github.com/SimpleB...

2017-11-01 15:56:58

阅读数:9109

评论数:5

教务系统爬虫

正方教务系统助手The helper of ZhengFang System 项目地址:https://github.com/SimpleBrightMan/ZhengFang 欢迎fork,star! 详细分析参见:http://blog.csdn.net/nghuyong/article/...

2016-08-14 10:48:22

阅读数:8258

评论数:1

异步爬虫

异步爬虫以往写爬虫就是单进程单线程,假设要爬取100哥页面,就是一个循环挨个爬。但是要执行下面一条抓取,就需要等待网络IO请求执行完毕,所以效率就不高了。 一开始处理的数据不大,还意识不到,如果要爬取上万个页面,差距马上就能凸显了。 所以爬虫必须要并发执行,异步编程。 在python中并发编...

2017-10-09 23:15:14

阅读数:440

评论数:0

Selenium使用小结

本篇博客记录在使用Selenium过程中遇到的问题。action的使用对于有的超链接,并不能通过获取元素后使用.click()来模拟点击。 需要使用action来进行模拟,完全模拟人的行为,即先移动鼠标到元素上面,在模拟点击! 以点解网页中常见的下一页为例:nextpage = driver....

2016-10-21 16:22:55

阅读数:218

评论数:0

爬虫利器:Selenium+PhantomJS

Selenium是一个可以真实模拟浏览器运作的工具。 需要下载selenium.exe文件和安装selenium包。下面是一个简单的模拟访问百度,并点击进入python官网的例子。# coding=utf-8 from selenium import webdriver from seleniu...

2016-10-20 21:07:20

阅读数:511

评论数:0

python利用cookie登录网站进行访问

详见Python利用Cookie登陆

2016-10-19 20:55:39

阅读数:604

评论数:0

python爬虫正方教务系统

升级版见:http://blog.csdn.net/nghuyong/article/details/522034431.前期准备1.1缘由某天发现正方教务系统突然升级了,以我们学校江南大学为例: 原先有一个BUG访问http://202.195.144.163/jndx/default3.as...

2016-06-09 22:02:02

阅读数:9913

评论数:3

提示
确定要删除当前文章?
取消 删除
关闭
关闭