UID850
现金0
在线时间0 小时
注册时间2018-11-19
黑狼菜鸟
- 积分
- 0
|
阅读本文大概必要 3.6 分钟。
前段时间《一个身世寒门的状元之死》刷屏了,当我看完了这篇文章,很有感触,一开始我以为是究竟,厥后才发现完满是假造,对于我来讲并不黑白常在乎文章中的故事是否是真实的,我在乎文章给我的那种生存体验。
文中谁人身世寒门的状元,不为长处而捐躯本身的原则,也就是不做恶:好比在做家教时,有钱人家的门生让他把寒假作业的答案发给他们,如许他就可以得到丰厚的报酬,然而他果断不做,还为此挨了打。文中有许多如许的事变。
谁人身世寒门的状元对峙不做恶,这也让他到处碰钉子,末了,竟抱病死了,不管怎么说,如许一身正气,布满正能量的人却死了,四周那些随处谄媚,逢场作戏的人却活的好好的,不得不说如许的了局让许多人感到痛惜。我想这也是此文章有许多阅读量的缘故原由。作者的写作伎俩非常高超:要引发人们的倾慕,就捧到天上,要赚取眼泪,就踩到泥里。人造的落差感,到底照旧缺了点生存。
但是如今想看这篇文章时,已经无法访问了。
当我看到这个时很震动,心想这么好的阅读体验的文章就这么没了,在网上搜刮了很久都搜刮不到。内心一阵堵。
唉,怎样防止喜好的公众号文章被删除呢? 那就是当天就把该文章生存起来,偶然间再转头逐步玩味。如今每个人都很忙,而且关注的公众号也多,有没有步伐来帮我做这件事呢?
还真有,我搜刮了一下,发现如许一个好的开源项目:wechat-spider
界面预览
1) 要爬取的微信公众号列表
2) 要爬取的文章关键字列表
3) 已经爬取的微信文章
4) 检察文章,并标志是否可用
5) 控制爬取历程数
技能栈
python + django + redis + mysql
安装
1)python情况, 查抄python的版本,是否为2.7.x,假如不是,安装2.7.6。
假如是centos 6.x,升级python2.6到python2.7,参考教程 http://ruiaylin.github.io/2014/12/12/python%20update/
假如是centos 7.x,默认就是python2.7,不消升级
假如是mac osx,可以利用virtualenv,安装python2.7
2)安装依靠包, clone代码
安装Mysql-python依靠
yum install python-devel mysql-devel gcc
安装lxml依靠
yum install libxslt-devel libxml2-devel
安装欣赏器情况 selenium依靠.(假如是mac情况,仅需安装firefox, 但确保版本是 firefox 36.0,利用最新的版本会报错)
yum install xorg-x11-server-Xvfb
yum upgrade glib2 # 确保glib2版本大于2.42.2,否则firefox启动会报错
yum install firefox # centos下安装最新的firefox版本
clone代码,安装依靠python库
$ git clone http://github.com/bowenpay/wechat-spider.git
$ cd wechat-spider
$ pip install -r requirements.txt
3) 创建mysql数据库
创建数据库wechatspider,默认接纳utf8编码。(假如体系支持,可以接纳utf8mb4,以兼容emoji字符)
mysql> CREATE DATABASE `wechatspider` CHARACTER SET utf8;
4) 安装和运行Redis
$ wget http://download.redis.io/releases/redis-2.8.3.tar.gz
$ tar xzvf redis-2.8.3.tar.gz
$ cd redis-2.8.3
$ make
$ make install
$ redis-server
5) 更新设置文件local_settings
在 wechatspider 目次下,添加 local_settings.py 文件,设置如下:
# -*- coding: utf-8 -*-
SECRET_KEY="xxxxxx"
CRAWLER_DEBUG = True
# aliyun oss2, 可以将图片和视频存储到阿里云,也可以选择不存储,爬取速率会更快。 默认不存储。
#OSS2_ENABLE = True
#OSS2_CONFIG = {
# "ACCESS_KEY_ID": "XXXXXXXXXXXXXX",
# "ACCESS_KEY_SECRET": "YYYYYYYYYYYYYYYYYYYYYY",
# "ENDPOINT": "",
# "BUCKET_DOMAIN": "oss-cn-hangzhou.aliyuncs.com",
# "BUCKET_NAME": "XXXXX",
# "IMAGES_PATH": "images/",
# "VIDEOS_PATH": "videos/",
# "CDN_DOMAIN": "XXXXXX.oss-cn-hangzhou.aliyuncs.com"
#}
# mysql 数据库设置
DATABASES = {
'default': {
'ENGINE': 'django.db.backends.mysql',
'HOST': '127.0.0.1',
'NAME': 'wechatspider',
'USER': 'root',
'PASSWORD': '',
'OPTIONS':{
'charset': 'utf8mb4',
},
}
}
# redis设置,用于消息队列和k-v存储
REDIS_OPTIONS = {
'host': 'localhost',
'port': 6379,
'password': '',
'db': 4
}
6) 初始化表
$ python manage.py migrate
7)启动网站
python manage.py runserver 0.0.0.0:8001
访问 http://localhost:8001/。
6) 创建超等管理员账号,访问背景,并设置要爬取的公众号和关键字
python manage.py createsuperuser
8)启动爬虫
$ python bin/scheduler.py
$ python bin/downloader.py
$ python bin/extractor.py
$ python bin/processor.py
以上步调实行乐成,并能爬取文章后,可以思量利用 uwsgi + nginx 在生产情况摆设。
项目 github 地点: http://github.com/bowenpay/wechat-spider
(完)
|
上一篇:设置vsftpd的碰到的坑及搭建假造账户下一篇:LAMP之安装PHP
|