數據清洗之微博時間清洗 爬取微博的時候時間格式比較亂，存到數據庫要統一成datatime類型，所以需要用到對時間的轉換 這里是對time模塊和datetime的模塊的使用。 對於當天的有三種: 40秒前 50分鍾前 今天 08:12 針對這三種，第一步要做的是獲取當前的年月日 ...

獲取文字加表情(alt標簽的屬性) ...

當我們要爬取新浪微博內容時，有時候就沒必要自己去寫了，就用現成的，推薦一個我看到的一個github微博爬蟲i項目 https://github.com/dataabc/weiboSpider 其實教程的話，我在網上找這個的時候就跟原版的不一樣，畢竟人家要更新換代嘛，具體的自己點擊上方的鏈接 ...

此次爬蟲要實現的是爬取某個微博用戶的關注和粉絲的用戶公開基本信息，包括用戶昵稱、id、性別、所在地和其粉絲數量，然后將爬取下來的數據保存在MongoDB數據庫中，最后再生成幾個圖表來簡單分析一下我們得到的數據。 一、具體步驟： 這里我們選取的爬取站點是https://m.weibo.cn ...

微博數據清洗(Java版) 原創 2013年12月10日 10:58:24 2979 大數據公益大學提供的一份數據，義務處理一下，原始數據是Excel，含有html標簽，如下： 要求清洗掉html標簽，和微博內容中的url地址 ...

想要爬取某個博主的微博數據。在網絡上尋找了很多關於爬取微博內容的教程，發現有些教程比較老舊了，已經無法再用，有些教程在我這里出現一些問題，比如爬取移動端的微博需要獲取登陸cookie，而我的谷歌瀏覽器卻無法顯示，如下圖所示。最終發現一博主分享的源碼，親測可用。博客鏈接為：https ...

抓取代碼： 　登錄窗口 　　 　　 ...

這次運用所學的知識嘗試了爬取微博的熱搜榜單，部分操作在程序的注釋中給出思路 首先我們打開微博熱搜的網站，並查看其源代碼，如圖 通過查找並觀察可以看出，熱搜的關鍵詞就在<tr>標簽的名為<td-02>的子標簽下的<a>標簽中 以此為基礎完成如下代 ...