職場社交軟體脈脈職言區最近一個星期在聊什麼?
工作之餘在學習python,筆者主流語言是php,初學抓取了近來一個星期的脈脈職言區的帖子,現將過程記錄如下。
脈脈是一款職場社交軟體,大家會在職言區,也就是之前的匿名區去吐槽,但是帖子是登入之後才能看,所以第一步需要python模擬登入
模擬登入
首先在網頁上登入,開啟開發者工具,會看到一個gossip_list連線,這個就是列表的介面了,引數需要如下
是的,右邊的引數就是我們獲取資料的時候需要的引數了,cookie資訊放在header頭裡模擬瀏覽器登入資訊,把引數拼接好,去訪問,能正常返回資料,如下圖:
這樣就拿到了資料結構了,然後寫獲取URL的方法,拼接URL,程式碼如下
def geturl(page): url = 'https://maimai.cn/sdk/web/gossip_list?' params = { 'u':'****', 'channel':'www', 'version':'4.0.0', '_csrf':'*****', 'access_token':'*****', 'uid':'*****','token':'*****', 'page':page, 'jsononly':'1' } for item in params: url = url + item + '='+ params[item] + "&" url = url[:-1] return url;
獲取了URL之後,根據已經拿到的cookie去拿取資料,程式碼如下:
def getGossipList(): headers={ 'Accept':'text/html,application/shtml+xml,application/xml', 'Accept-Encoding':'gzip, deflate, br', 'Accept-language':'zh-CN,zh;q=0.9', 'Connection':"keep-alive", 'Host':'maimai.cn', 'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36', 'cookie':'******, 'referer':'https://maimai.cn/gossip_list' } i = 0 while (i<200): url = geturl(str(i)); r = requests.get(url,timeout=10,headers=headers) if r=='': return data=r.json()['data'] for item in data: saveData(item) i = i+1
存取資料
把拿到的資料存入sqlite,一般Mac或者Linux都自帶,存取下來供後續分析,程式碼如下:
def saveData(item): related_tags = '' conn = sqlite3.connect('/Users/kumufengchun/maimai.db') cursor = conn.cursor() for tag in related_tags: print(tag) sys.exit() related_tags += tag['name'] + ',' ins = "insert into gossip values(null,?,?,?,?,?,?)" v=(item['text'] if(item.has_key('text')) else '', item['author'] if(item.has_key('author')) else '', item['name'] if(item.has_key('name')) else '', item['avatar'] if(item.has_key('avatar')) else '', related_tags, item['time'] if(item.has_key('time')) else '') cursor.execute(ins, v) conn.commit() conn.close()
資料分析
資料存取下來了,就可以分析了,每個崗位發貼數量,用tableau簡單的作圖表如下圖:
製作雲圖
想了解大家都在聊啥,用jieba分詞先把帖子內容分詞,然後在用wordcloud作雲圖,程式碼如下:
def makeYuntu(): conn = sqlite3.connect('/Users/yangjiao/maimai.db') c = conn.cursor() cursor = c.execute("select text from gossip") f = '' for row in cursor: text = jieba.cut(row[0], cut_all=False) f +=" ".join(text) wordcloud = WordCloud( font_path="Deng.ttf", background_color="white", width=1920, height=1080, margin=2).generate_from_text(f); plt.imshow(wordcloud) plt.axis("off") plt.show() wordcloud.to_file('maimai.png') conn.close()
製作的雲圖如下所示
好了,第一次抓取資料的嘗試就到這了。
關於模擬瀏覽器登入的有很多方法參考文件:https://www.cnblogs.com/chenxiaohan/p/7654667.html
關於sqlite的學習使用:http://www.runoob.com/sqlite/sqlite-python.html
關於python的使用:http://www.runoob.com/python3/python3-if-example.html
關於wordcloud的學習:https://blog.csdn.net/cy776719526/article/details/80171790
https://www.cnblogs.com/jlutiger/p/9176517.html
關於jieba的學習:https://blog.csdn.net/linzch3/article/details/71253541
參考愛奇藝的爬取資料:https://blog.csdn.net/csdnnews/article/details/84781953