最近因为工作需要爬虫了一段时间推特。
Twitter网站是用AJAX异步加载的,用request请求到json文件的数据url也是拒绝的
所以只能慢慢模拟浏览器下滑慢慢加载json文件咯(当然我没有用类似于selenium一类的库,效率太低)
举个例子:
我们需要爬trump的1000条推特,输入以下命令就行了
GetOldTweets3 --username "realDonaldTrump" --toptweets --maxtweets 100
爬虫结果如下(因为用windows系统需要fanqiang,所以直接在linux下使用了)
用python代码读一下csv文档(穷苦民众只能买没有图形界面的服务器):
import csvimport pandas as pddf=pd.read_csv("/opt/test/output_got.csv")print(df)
再比如,我们想检索在推特上搜索 “changsha”的新闻
GetOldTweets3 --querysearch " changsha " --maxtweets 10
没什么问题,如果在windows系统下不能使用可以私信我或者应该是被墙住了吧。
优秀的程序员我觉得就是要一键和兼容 ,具体怎么使用看看我写的readme就行了
具体github地址如下:
Solin1998/SearchTT
希望各位有需要的老哥可以fork我一下,谢谢!!!!
当然,情感分析,事件抽取一类的事情我也做不来,只是做了一部分原始数据的来源爬虫,
有时间应该会更新看有没有办法绕过twitter开发者账号比如爬取关注的人,多级关注等