一、学习内容
本文学习内容均参考下面链接。
参考链接:team-learning-program/5.综合实践-微博个人信息采集.md at master · datawhalechina/team-learning-program · GitHub
二、学习过程
1.提取用户的id数字
正则表达式匹配,需要匹配数字的正则表达式为【[0-9]+】
2.用户性别
正则表达式匹配,需要匹配数字的正则表达式为【[0-9]+】【(?<=class="W_icon)(.+?)(?=")】
匹配完成后我们发现生成的结果是icon_pf_male
因此我们再增加替换,将icon_pf_male替换为男,将icon_pf_female替换为女
三、学习与思考
1.对于微博个人信息数据的采集,这部分数据是属于个人隐私数据吗?如果是,在使用中应该做怎样的操作?如果不是,请说明理由。
我认为微博个人信息数据的采集属于个人隐私数据。在使用中要遵循相应的法律法规。第一,爬取数据要取之有道,应该找平台上完全公开的信息进行爬取(爬取信息不要涉及高度敏感信息、敏感信息);第二,不能把爬取的数据用于销售、私自公开等,不能利用这些数据谋取不正当收益。