MyException - 我的异常网
当前位置:我的异常网» 行业应用 » 演练利用爬虫监测网页评论

演练利用爬虫监测网页评论

www.MyException.Cn  网友分享于:2018-03-12  浏览:0次
演示利用爬虫监测网页评论

舆情监测和管都是从信息的获取入手。和使用代码(例如Py)自己写爬虫相比,没有代码基础的人通过一些可视化工具,也可以实现一样的效果。下面就以八爪鱼为例演示利用爬虫监控网友评论的全过程。

 

先概括说一下具体步骤:

1、准备好爬虫并执行,并建立对应的数据库表

2、制定更新计划

3、对评论进行可视化、文本语义等分析

这样三步,即完成了数据的获取、存储和管理、分析。

 

 

第一步:准备好爬虫,并建立对应的数据库表

 

以某新闻网站为例。要采集某个关键词相关的所有新闻文章下的网友评论,只需要准备好文章列表即可:

视频演示完整文章列表的采集方法

上面的小视频,演示了从某个新闻网站,搜索“压岁钱”相关的所有文章列表,爬虫实现自动翻页、自动抓取每一篇文章的标题、网址、发布时间。全程未剪辑用时1分半钟。

是不是比PY写代码来得快多了。

 

这次采集结果,建一个对应的数据库表,包括标题、网址、发布时间的字段。设置“网址”一列为unique,每次更新采集列表,只收录最新的文章。

 

好了,这样文章列表搞定,只要再采集其中的评论,就完成了评论的批量获取。

动图演示网友评论的采集方法
演示中以某一篇新闻文章读者评论为例。从制作规则到完成采集耗时约1分10秒,实现了全部评论数据字段的循环抓取和自动翻页的效果。
实际使用中,可以在第一步填入多条网址批量处理(上万OK的)。比如,把上面文章列表中的URL复制过来,一次获取所有文章评论。这份评论数据,就是网民对于这个关键词的观点的汇总,可以拿来做舆情分析使用。

ps: 有时候采集不准确、点不准的,校准一下XPATH都能搞定。

 

有些人可能觉得获取评论要分两步走很麻烦,“自动一次完成”的更方便。也是可以实现的。只要在采集文章列表的时候,同时点击进去每篇文章,同时采集评论就可以。只是这样,采集流程中会嵌套很多层,首先是列表的循环翻页、文章的循环打开、评论的循环翻页、评论的循环采集。这样执行一次,会花费比较长的时间,万一中徒出现任何异常(比如遇到网站防爬等),迫使中断,是无法续采的。

分两步走,可以在文章列表层面分析数据(比如每天新增文章数)、可以间接地实现断点续采、云采集还可以分线程加速执行。有条件的话建议分开两步实现。

 

 

第二步:制定更新计划

可以每天采集一次列表,或者几天、一周都可以,根据具体的需要。

每次更新,先花一点时间,快速获取最新的文章列表,并导入数据库中。

如果只需要监控最新文章的评论,可以只导出最新文章的网址,并填入评论采集爬虫中执行。

如果需要监控全部文章的评论,就导出所有文章网址,进行采集。有些网站,对于频繁访问可能有防爬措施,八爪鱼内置了代理IP资源、自动切换IP、UA、自动识别验证码、控制速度等功能。

 

如果只想监测最新的网友评论观点,可以把“评论内容”列设置为unique,自动去重。

 

第三步:对评论进行可视化、文本语义等分析

动图演示文本情感语义分析

如上图,采集结果导入“智能分析”,可以一键可视化,提取关键词等。非常方便。

 

以上,就是一次利用爬虫技术获取网友评论、通过简单的数据库管理技术、可视化智能分析使用数据的全程演示,希望对大家有帮助。

文章评论

程序员和编码员之间的区别
程序员和编码员之间的区别
10个调试和排错的小建议
10个调试和排错的小建议
2013年中国软件开发者薪资调查报告
2013年中国软件开发者薪资调查报告
程序员眼里IE浏览器是什么样的
程序员眼里IE浏览器是什么样的
为什么程序员都是夜猫子
为什么程序员都是夜猫子
我是如何打败拖延症的
我是如何打败拖延症的
程序员必看的十大电影
程序员必看的十大电影
代码女神横空出世
代码女神横空出世
程序员应该关注的一些事儿
程序员应该关注的一些事儿
一个程序员的时间管理
一个程序员的时间管理
总结2014中国互联网十大段子
总结2014中国互联网十大段子
程序猿的崛起——Growth Hacker
程序猿的崛起——Growth Hacker
团队中“技术大拿”并非越多越好
团队中“技术大拿”并非越多越好
2013年美国开发者薪资调查报告
2013年美国开发者薪资调查报告
我的丈夫是个程序员
我的丈夫是个程序员
编程语言是女人
编程语言是女人
老程序员的下场
老程序员的下场
如何区分一个程序员是“老手“还是“新手“?
如何区分一个程序员是“老手“还是“新手“?
5款最佳正则表达式编辑调试器
5款最佳正则表达式编辑调试器
程序员周末都喜欢做什么?
程序员周末都喜欢做什么?
那些争议最大的编程观点
那些争议最大的编程观点
Java程序员必看电影
Java程序员必看电影
Web开发者需具备的8个好习惯
Web开发者需具备的8个好习惯
什么才是优秀的用户界面设计
什么才是优秀的用户界面设计
不懂技术不要对懂技术的人说这很容易实现
不懂技术不要对懂技术的人说这很容易实现
旅行,写作,编程
旅行,写作,编程
做程序猿的老婆应该注意的一些事情
做程序猿的老婆应该注意的一些事情
程序员都该阅读的书
程序员都该阅读的书
Google伦敦新总部 犹如星级庄园
Google伦敦新总部 犹如星级庄园
写给自己也写给你 自己到底该何去何从
写给自己也写给你 自己到底该何去何从
Web开发人员为什么越来越懒了?
Web开发人员为什么越来越懒了?
聊聊HTTPS和SSL/TLS协议
聊聊HTTPS和SSL/TLS协议
初级 vs 高级开发者 哪个性价比更高?
初级 vs 高级开发者 哪个性价比更高?
鲜为人知的编程真相
鲜为人知的编程真相
我跳槽是因为他们的显示器更大
我跳槽是因为他们的显示器更大
“肮脏的”IT工作排行榜
“肮脏的”IT工作排行榜
要嫁就嫁程序猿—钱多话少死的早
要嫁就嫁程序猿—钱多话少死的早
漫画:程序员的工作
漫画:程序员的工作
“懒”出效率是程序员的美德
“懒”出效率是程序员的美德
Java 与 .NET 的平台发展之争
Java 与 .NET 的平台发展之争
程序员最害怕的5件事 你中招了吗?
程序员最害怕的5件事 你中招了吗?
那些性感的让人尖叫的程序员
那些性感的让人尖叫的程序员
60个开发者不容错过的免费资源库
60个开发者不容错过的免费资源库
 程序员的样子
程序员的样子
科技史上最臭名昭著的13大罪犯
科技史上最臭名昭著的13大罪犯
中美印日四国程序员比较
中美印日四国程序员比较
当下全球最炙手可热的八位少年创业者
当下全球最炙手可热的八位少年创业者
程序员的一天:一寸光阴一寸金
程序员的一天:一寸光阴一寸金
亲爱的项目经理,我恨你
亲爱的项目经理,我恨你
软件开发程序错误异常ExceptionCopyright © 2009-2015 MyException 版权所有