新浪微博 微博mid获取(java 与 javascript版本)

新浪微博的微博地址的URL有段参数是加过密的。

通过这个参数可以获得mid,mid是微博的标识。mid不知道是什么东西的去Google下,我这里直接贴转换代码了。

java版

package com.weibo.utils;

public abstract class WeiboUtils {

	private static String [] str62keys = {"0", "1", "2", "3", "4", "5", "6", "7", "8", "9",
          	"a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r", "s", "t", "u", "v", "w", "x", "y", "z",
          	"A", "B", "C", "D", "E", "F", "G", "H", "I", "J", "K", "L", "M", "N", "O", "P", "Q", "R", "S", "T", "U", "V", "W", "X", "Y", "Z"};
	
	// 62进制转10进制
	public static long str62To10(String str62){
		long i10 = 0;
		String [] array = strToArray(str62);
		for (int i = 0; i < array.length; i++){
			long n = array.length - i - 1;
			String s = array[i];
			i10 += getIndex(s) * Math.pow(62, n);
		}
		return i10;
	}
	
	// 将string变为数组
	public static String [] strToArray(String str){
		String [] s = new String[str.length()];
		for(int i = 0; i < str.length();i++){
			s[i] = str.substring(i, i+1);
		}
		return s;
	}
	
	// 字母在str62keys中 出现的位置
	public static int getIndex(String s){
		int t = 0;
		for(int i = 0; i < str62keys.length;i++){
			if(s.equals(str62keys[i])){
				t = i;
			}
		}
		return t;
	}
	
	// 通过ARGS获取mid
	public static String getMidByUrlArgs(String url){
		String mid = "";
		//从最后往前以4字节为一组读取URL字符
		for (int i = url.length() - 4; i > -4; i = i - 4){
			int offset1 = i < 0 ? 0 : i;
			int offset2 = i + 4;
			String str = url.substring(offset1, offset2);
			str = String.valueOf(str62To10(str));
			//若不是第一组,则不足7位补0
			if (offset1 > 0){
				while (str.length() < 7){
					str = "0" + str;
				}
			}
			mid = str + mid;
		}
		return mid;
	}
	
	public static void main(String[] args) {
		System.out.println(getMidByUrlArgs("zqNhSDn2J"));
	}
}

Javascript版

/**
 * 新浪微博mid与url互转实用工具
 */

var WeiboUtility = {};

/**
 * 62进制字典
 */
WeiboUtility.str62keys = [
	"0", "1", "2", "3", "4", "5", "6", "7", "8", "9",
	"a", "b", "c", "d", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r", "s", "t", "u", "v", "w", "x", "y", "z",
	"A", "B", "C", "D", "E", "F", "G", "H", "I", "J", "K", "L", "M", "N", "O", "P", "Q", "R", "S", "T", "U", "V", "W", "X", "Y", "Z"
];

/**
 * 62进制值转换为10进制
 * @param {String} str62 62进制值
 * @return {String} 10进制值
 */
WeiboUtility.str62to10 = function(str62) {
	var i10 = 0;
	for (var i = 0; i < str62.length; i++)
	{
		var n = str62.length - i - 1;
		var s = str62[i];
		i10 += this.str62keys.indexOf(s) * Math.pow(62, n);
	}
	return i10;
};

/**
 * 10进制值转换为62进制
 * @param {String} int10 10进制值
 * @return {String} 62进制值
 */
WeiboUtility.int10to62 = function(int10) {
	var s62 = '';
	var r = 0;
	while (int10 != 0)
	{
		r = int10 % 62;
		s62 = this.str62keys[r] + s62;
		int10 = Math.floor(int10 / 62);
	}
	return s62;
};

/**
 * URL字符转换为mid
 * @param {String} url 微博URL字符,如 "wr4mOFqpbO"
 * @return {String} 微博mid,如 "201110410216293360"
 */
WeiboUtility.url2mid = function(url) {
	var mid = '';
	
	for (var i = url.length - 4; i > -4; i = i - 4)	//从最后往前以4字节为一组读取URL字符
	{
		var offset1 = i < 0 ? 0 : i;
		var offset2 = i + 4;
		var str = url.substring(offset1, offset2);
		
		str = this.str62to10(str);
		if (offset1 > 0)	//若不是第一组,则不足7位补0
		{
			while (str.length < 7)
			{
				str = '0' + str;
			}
		}
		
		mid = str + mid;
	}
	
	return mid;
};

/**
 * mid转换为URL字符
 * @param {String} mid 微博mid,如 "201110410216293360"
 * @return {String} 微博URL字符,如 "wr4mOFqpbO"
 */
WeiboUtility.mid2url = function(mid) {
	if (typeof(mid) != 'string') return false;	//mid数值较大,必须为字符串!
	
	var url = '';
	
	for (var i = mid.length - 7; i > -7; i = i - 7)	//从最后往前以7字节为一组读取mid
	{
		var offset1 = i < 0 ? 0 : i;
		var offset2 = i + 7;
		var num = mid.substring(offset1, offset2);
		
		num = this.int10to62(num);
		url = num + url;
	}
	
	return url;
};

测试方法:

<script type="text/javascript">
		alert(WeiboUtility.url2mid("zqNhSDn2J"));
	</script>

爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值