排序:
默认
按更新时间
按访问量

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:117

评论数:0

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龄段...

2017-11-01 15:58:28

阅读数:6268

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:8378

评论数:4

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:7285

评论数:1

Django-Restful框架

1.准备工作 安装django框架 安装django-rsetful 框架 pip install djangorestframework2.一个小demo2.1创建django工程 django admin startproject restful django admin st...

2016-04-28 22:48:55

阅读数:14006

评论数:1

VPS自建爬虫代理服务

前言爬虫原先一直想用免费的代理,但是实践表明,免费的东西,质量就是很差的.恰好手上有好几台VPS,所以想自己搭建一个代理,这个自建的代理肯定就是好用的!具体的方法是采用squid来搭建代理.方法安装squidapt-get update apt-get install squid3安装密码服务网络...

2018-04-09 15:26:49

阅读数:321

评论数:1

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": "5a6c0686ac7eef81e560e71...

2018-01-27 14:53:55

阅读数:1495

评论数:0

给爬虫加上Shadowsocks代理

起源遇到抓取一个境外的网站,浏览器可以正常访问,但是requests请求却一直被拒绝了!折腾了好久,才发现,关了Shadowsocks浏览器也不能访问!原来,这个站点直接屏蔽了国内的IP所以,得给爬虫加上Shodowsocks的代理,科学爬虫!步骤装个包在requests中采用socks代理需要先...

2018-01-26 18:16:51

阅读数:1034

评论数:0

proxypool:自动抓取检测爬虫IP代理,并提供实时开放的WebAPI

欢迎Star/Fork,https://github.com/SimpleBrightMan/proxypoolproxypoolproxypool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...

2017-10-17 22:27:07

阅读数:776

评论数:0

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:332

评论数:0

logging模块,还在使用print打印?

为什么使用日志使用日志来看程序的输入,相比于print,多了一个层级的概念。并且可以将不同层级的日志信息,进行不同的处理。比如正常的debug信息,就可以正常记录到log文件中,供以后日志挖掘使用。critical级别的可能就需要发送一封邮件给运维人员,及时提醒。日志的级别日志一共分成5个等级,从...

2017-10-02 23:05:14

阅读数:306

评论数:0

动态规划

dp问题,关键是寻找到递推关系式。 主要也就是几类核心问题,可统一整理。最长递增子序列从一个整的序列中,取出一个子序列,使其能够保持递增的性质 F(1)=1; F(i) = max{1,F[j]+1|j#include<iostream> #include<cstdio&g...

2017-06-29 12:23:52

阅读数:178

评论数:0

递归

在宏观上把握一件事情 并且明确跳出递归的条件 经典问题:汉诺塔

2017-06-27 21:14:51

阅读数:134

评论数:0

拓扑排序

先判断能否进行拓扑排序,本质就是检查是否存在环 统计入度的情况,将入度为0的,加入队列中。#include<iostream> #include<cstdio> #include<vector> #include<queue> using name...

2017-06-27 15:30:20

阅读数:130

评论数:0

C++ STL

STL是C++中的标准模板库。包括了常见的算法和数据结构。在OJ中广泛使用。本文是对STL的一个整理。排序 头文件< algorithm > 基本用法:sort函数 sort(a,a+n),左闭右开的区间 二分查找 头文件< algorithm > 调用lower_boun...

2017-06-24 16:24:44

阅读数:279

评论数:0

pDHS-SVM:A prediction method for plant DNase I hypersensitive sites based on support vector machine

写在前面这是一篇论文的整理,看题目很高大上!确实,这是一篇SCI。 文章地址:http://www.sciencedirect.com/science/article/pii/S0022519317302527 我因为做了一点微小的贡献,也挂了名字。所以有必要把这篇文章整理一下。 文章题目:...

2017-06-18 23:02:17

阅读数:302

评论数:0

最短路径

Floyd算法算法思想从i点到j点,如果从i点到k点,再从k点到j点的路径小于直接从i到j,则更新i到j的最短路径。代码题目题目描述: 在每年的校赛里,所有进入决赛的同学都会获得一件很漂亮的t-shirt。但是每当我们的工作人员把上百件的衣服从商店运回到赛场的时候,却是非常累的!所以现在他们想要寻...

2017-04-18 21:39:05

阅读数:390

评论数:0

最小生成树(MST)

Kraskal算法1.初始所有节点都独立 2.按照边的权值递增遍历所有的边,若遍历到的边上的两个点,分属在不同的集合,则这条边就是最小生成树上的一条边,并将这两个顶点合并。 3.如果出现集合数量只为1个,说明最小生成树已经构成。如果遍历完所有的边,集合还大于1个,说明原图不连通,最小生成树不存...

2017-04-15 16:13:51

阅读数:202

评论数:0

并查集

集合判断两个点是不是在一个集合里面 检查图中有多少个孤立节点 很多问题都可以抽象为集合问题代码在合并两个树的同时,进行路径压缩。让所有的节点指向根节点。#include <iostream> using namespace std; int Tree[1001]; int N=10...

2017-04-15 13:43:40

阅读数:148

评论数:0

反腐网站搭建

项目定义学校马克思主义学院反腐网站的搭建,包括网页前端和管理员后台两个部分。项目内容主页搭建 法学期刊入口 反腐新闻动态入口 人工整理的反腐信息可视化展示 科研成果展示入口 法学期刊静态网页,展示常见的学院期刊。通过超链接可以打开对应期刊的官网。反腐新闻动态反腐新闻的动态抓取更新(延时不超过24小...

2017-04-14 19:43:44

阅读数:516

评论数:0

提示
确定要删除当前文章?
取消 删除
关闭
关闭