Skip to content

Latest commit

 

History

History
77 lines (54 loc) · 2.77 KB

README.md

File metadata and controls

77 lines (54 loc) · 2.77 KB

Playwright

与 Selenium 类似的自动化工具

bilibili-api-python

这是作者用于学习理解B站api的工具包，如果不熟悉bilibili的api，在 MediaCrawler 的学习过程中会遇到困难（像作者这样的初学者比较难理解有些代码的意义）

MediaCrawler

原作者：NanmiCoder/MediaCrawler

功能列表

平台 关键词搜索 指定帖子ID爬取 二级评论 指定创作者主页 登录态缓存 IP代理池 生成评论词云图
小红书 ✅ ✅ ✅ ✅ ✅ ✅ ✅
抖音 ✅ ✅ ✅ ✅ ✅ ✅ ✅
快手 ✅ ✅ ✅ ✅ ✅ ✅ ✅
B 站 ✅ ✅ ✅ ✅ ✅ ✅ ✅
微博 ✅ ✅ ✅ ✅ ✅ ✅ ✅
贴吧 ✅ ✅ ✅ ✅ ✅ ✅ ✅
知乎 ✅ ❌ ✅ ❌ ✅ ✅ ✅

使用方法

创建并激活 python 虚拟环境

# 进入项目根目录
cd MediaCrawler

# 创建虚拟环境
# 我的python版本是：3.9.6，requirements.txt中的库是基于这个版本的，如果是其他python版本，可能requirements.txt中的库不兼容，自行解决一下。
python -m venv venv

# macos & linux 激活虚拟环境
source venv/bin/activate

# windows 激活虚拟环境
venv\Scripts\activate

安装依赖库

pip install -r requirements.txt

安装 playwright浏览器驱动

playwright install

运行爬虫程序

### 项目默认是没有开启评论爬取模式，如需评论请在config/base_config.py中的 ENABLE_GET_COMMENTS 变量修改
### 一些其他支持项，也可以在config/base_config.py查看功能，写的有中文注释

# 从配置文件中读取关键词搜索相关的帖子并爬取帖子信息与评论
python main.py --platform xhs --lt qrcode --type search

# 从配置文件中读取指定的帖子ID列表获取指定帖子的信息与评论信息
python main.py --platform xhs --lt qrcode --type detail

# 打开对应APP扫二维码登录
  
# 其他平台爬虫使用示例，执行下面的命令查看
python main.py --help

数据保存

  • 支持关系型数据库Mysql中保存（需要提前创建数据库）
    • 执行 python db.py 初始化数据库数据库表结构（只在首次执行）
  • 支持保存到csv中（data/目录下）
  • 支持保存到json中（data/目录下）