新浪微博发布2012年度盘点(热点事件)
新浪微博发布2012年度盘点（热点事件）
12月19日，新浪微博发布2012年度盘点，推出“2012年度微博热门话题”、“2012年度微博红人”、“2012年度微博名人”三大系列。其中，“2012伦敦奥运会”、“延参法师”、“鸟叔PSY”位居各系列首位，三大系列盘点微博总提及量超过22亿次。
纵观三大系列盘点，可以发现拥有超过4亿用户的新浪微博，早已成为中国网民的舆论风向标。其中，热门话题涵盖公益、体育、娱乐等年度大事件；微博红人凭借微博平台的影响力，成为家喻户晓的人物；微博名人的影响力持续强劲，诠释了微博榜样的力量。
微博热门话题涵盖年度大事件“2012伦敦奥运会”以近4亿提及量位列第一
微博热门话题top30中，网罗“2012伦敦奥运会”、“屌丝”、“江南stlye”、“钓鱼岛是中国的”、“xx很忙”、“中国好声音”、“神九升空”、“微博政务”、“北京暴雨”等，几乎涵盖了2012年度最受网友关注的大事件。
作为史上第一届被社交媒体直播的“社交奥运”，“2012伦敦奥运会”也在中国最具影响力的社交媒体平台获得极大关注，以近4亿提及量位居新浪微博年度热门话题首位。奥运会期间中国代表团的拼搏和努力，屡屡成为新浪微博网友最热议的话题。据统计，孙杨的夺冠微博瞬间被超过35万粉丝转发；小将叶诗文被质疑服用兴奋剂一事获得百万微博网友力挺；刘翔赛场上的意外摔倒甚至导致微博宕机；陈一冰错失金牌，却收获了四亿微博网友心目中的金牌。这些都成为首届微博奥运的经典片段。
此外，“屌丝”、“江南stlye”分别以超过1.5亿、1亿的微博提及量位列二、三。“无苦逼，不屌丝，无屌丝，不欢乐”、“做自己的屌丝，让高帅富们忧桑去吧”，屌丝的段子不断通过新浪微博平台发酵升温；“鸟叔”则以一曲《江南stlye》横空出世，在新浪微博上掀起一轮又一轮模仿狂潮，各种版本的“骑马舞”在微博上不断涌现，激发起网民的民间智慧和娱乐精神。
新浪微博新手使用计划说明书
新浪微博使用计划说明书 目录 第一部分关于博客的介绍 ?概念与简介 ?博客的分类 ?博客的特点 ?博客的作用 ?博客的不利之处 ?充分发挥博客优势的条件 第二部分博客的比较与选择 第三部分具体情况说明 ?操作步骤 二、运用技巧 三、注意事项 第四部分预期的效果 （以下内容全部针对企业而言）
第一部分：关于博客的介绍 一、概念与简介 博客，又译为网络日志、部落格或部落阁等，是一种通常由个人管理、不定期张贴新的文章的网站。 一个典型的博客结合了文字、图像、其他博客或网站的链接及其它与主题相关的媒体，能够让读者以互动的方式留下意见，是许多博客的重要要素。大部分的博客内容以文字为主。 二、分类 按功能分为： 1.基本博客，Blog中最简单的形式。单个的作者对于特定的话题提供相关的资源，发表简短的评论。这些话题几乎可以涉及人类的所有领域。 2、微博，即微型博客，目前是全球最受欢迎的博客形式，博客作者不需要撰写很复杂的文章，而只需通过简短的文字描述自己的心情和事件。一般都有字数限制。 按存在方式分为： 1.托管博客：无须自己注册域名、租用空间和编制网页，只要去免费注册申请即 可拥有自己的Blog空间，是最“多快好省”的方式。 2.自建独立网站的Blogger：有自己的域名、空间和页面风格，需要一定的条件。（例如自己需要会网页制作，需要懂得网络知识，当然，自己域名的博客更自由，有最大 限度的管理权限。） 3.附属Blogger：将自己的Blog作为某一个网站的一部分(如一个栏目、一个频道 或者一个地址)。这三类之间可以演变，甚至可以兼得，一人拥有多种博客网站。 4.独立博客：一般指在采用独立域名和网络主机的博客，既在空间、域名和内容 上相对独立的博客。独立博客相当于一个独立的网站，而且不属于任何其他网站。相对于BSP下的博客，独立博客更自由、灵活，不受限制。 ?博客的特点 1.草根性。 2.即时性。 3.方便性。
微博数据抓取方法详细步骤
https://www.wendangku.net/doc/087289596.html, 微博数据抓取方法详细步骤 很多朋友想要采集微博上面的有用信息，对于繁多的信息量，需要手动的复制，粘贴，修改格式吗？不用这么麻烦！教你一键收集海量数据。 本文介绍使用八爪鱼采集器简易模式采集抓取新浪微博的方法。 需要采集微博内容的，在网页简易模式界面里点击微博进去之后可以看到所有关于微博的规则信息，我们直接使用就可以的。 新浪微博数据抓取步骤1 采集在微博首页进关键词搜索后的信息以及发文者的关注量，粉丝数等（下图所示）即打开微博主页进行登录后输入关键词进行搜索，采集搜索到的内容以及进入发文者页面采集关注量，粉丝数，微博数。
https://www.wendangku.net/doc/087289596.html, 1、找到微博网页-关键词搜索规则然后点击立即使用 新浪微博数据抓取步骤2 2、简易模式中微博网页-关键词搜索的任务界面介绍 查看详情：点开可以看到示例网址 任务名：自定义任务名，默认为微博网页-关键词搜索 任务组：给任务划分一个保存任务的组，如果不设置会有一个默认组用户名：请填写您的微博账号 密码：请填写微博账号的登录密码 关键词/搜索词：用于搜索的关键词，只支持填写一个 翻页次数：设置采集多少页，由于微博会封账号，限制翻页1-50页 将鼠标移动到？号图标和任务名顶部文字均可以查看详细的注释信息。示例数据：这个规则采集的所有字段信息。
https://www.wendangku.net/doc/087289596.html, 新浪微博数据抓取步骤3 3、任务设置示例 例如要采集与十九大相关的微博消息 在设置里如下图所示： 任务名：自定义任务名，也可以不设置按照默认的就行 任务组：自定义任务组，也可以不设置按照默认的就行 用户名：请填写您的微博账号，必填 密码：请填写微博账号的登录密码，必填 关键词/搜索词：用于搜索的关键词，此处填写“十九大” 翻页次数：设置采集多少页，此处设置2页 设置好之后点击保存
新浪微博技术架构
首先给大家介绍一下微博架构发展的历程。新浪微博在短短一年时间内从零发展到五千万用户，我们的基层架构也发展了几个版本。第一版就是是非常快的，我们可以非常快的实现我们的模块。我们看一下技术特点，微博这个产品从架构上来分析，它需要解决的是发表和订阅的问题。我们第一版采用的是推的消息模式，假如说我们一个明星用户他有10万个粉丝，那就是说用户发表一条微博的时候，我们把这个微博消息攒成10万份，这样就是很简单了，第一版的架构实际上就是这两行字。第一颁的技术细节，典型的LAMP架构，是使用Myisam搜索引擎，它的优点就是速度非常快。另外一个是MPSS，就是多个端口可以布置在服务器上。为什么使用MPSS？假如说我们做一个互联网应用，这个应用里面有三个单元，我们可以由三种部署方式。我们可以把三个单元部署在三台服务器上，另外一种部署模式就是这三个单元部署在每个服务器上都有。这个解决了两个问题，一个是负载均衡，因为每一个单元都有多个结点处理，另外一个是可以防止单点故障。如果我们按照模式一来做的话，任何一个结点有故障就会影响我们系统服务，如果模式二的话，任何一个结点发生故障我们的整体都不会受到影响的。 我们微博第一版上线之后，用户非常喜欢这个产品，用户数增长非常迅速。我们技术上碰到几个问题。第一个问题是发表会出现延迟现象，尤其是明星用户他的粉丝多。另外系统处理明星用户发表时候的延迟，可能会影响到其他的用户，因为其他的用户同一时间发表的话，也会受到这个系统的影响。我们就考虑这个系统怎么改进。首先是推模式，这肯定是延迟的首要原因，我们要把这个问题解决掉。其次我们的用户越来越多，这个数据库表从一百万到一亿，数据规模不一样处理方式是有差别的。我们第一版单库单表的模式，当用户数量增多的时候，它不能满足就需要进行拆分。第二个是锁表的问题，我们考虑的是更改引擎。另外一个是发表过慢，我们考虑的是异步模式。 第二版我们进行了模块化，我们首先做了一个层，做了拆分，最右边的发表做了异步模式。第二个服务层，我们把微博基础的单元设计成服务层一个一个模块，最大是对推模式进行了改进。首先看一下投递模式的优化，首先我们要思考推模式，如果我们做一下改进把用户分成有效和无效的用户。我们一个用户比如说有一百个粉丝，我发一条微博的时候不需要推给一百个粉丝，因为可能有50个粉丝不会马上来看，这样同步推送给他们，相当于做无用功。我们把用户分成有效和无效之后，我们把他们做一下区分，比如说当天登陆过的人我们分成有效用户的话，只需要发送给当天登陆过的粉丝，这样压力马上就减轻了，另外投递的延迟也减小了。 我们再看数据的拆分，数据拆分有很多方式，很多互联网产品最常用的方法，比如说如可以按照用户的UID来拆分。但是微博用户的一个特点就是说大家访问的都是最近的服务器，所以我们考虑微博的数据我们按照时间拆分，比如说一个月发一张表，这样就解决了我们不同时间的惟度可以有不同的拆分方式。第二个考虑就是要把内容和索引分开存放。假如说一条微博发表的地址是索引数据，内容是内容数据。假如说我们分开的话，内容就简单的变成了一种key-value的方式，key-value是最容易扩展的一种数据。比如说一个用户发表了一千条微博，这一千条微博我们接口前端要分页放，比如说用户需要访问第五页，那我们需要迅速定位到这个记录。假如说我们把这个索引拆分成一个月一张表，我们记录上很难判断第五页在哪张表里，我们需要索引所有的表。如果这个地方不能拆分，那我们系统上就会有一个非常大的瓶颈。最后我们想了一个方法，就是说索引上做了一个二次索引，改变我们还是按照时间拆分，但是我们把每个月记录的偏移记下来，就是一个月这个用户发表了多少条，ID是哪里，就是按照这些数据迅速把记录找出来。 异步处理，发表是一个非常繁重的操作，它要入库、统计索引、进入后台，如果我们要把所有的索引都做完用户需要前端等待很长的时间，如果有一个环节失败的话，用户得到的提示是发表失败，但是入库已经成功。所以我们做了一个异步操作，就是发表成功我们就提示成功，然后我们在后台慢慢的消息队列慢慢的做完。另外新浪发表了一个很重要的产品叫做MemcacheQ，我们去年做了一个对大规模部署非常有利的指令，就是stats queue，适合大规模运维。 第二版我们做了这些改进之后，微博的用户和访问量并没有停止，还有很多新的问题出现。比如说系统问题，单点故障导致的雪崩，第二个是访问速度问题因为国内网络环境复杂，会有用户反映说在不同地区访问图片、js这些速度会有问题。另外一个是数据压力以及峰值，MySql复制延迟、慢查询，另外就是热门事件，比如说世界杯，可能会导致用户每秒发表的内容达到几百条。我们考虑如何改进，首先系统方面循序任意模块失败。另外静态内容，第一步我们用CDN来加速，另外数据的压力以及峰值，我们需要将数据、功能、部署尽可能的拆分，然后提前进行容量规划。 另一方面我们还有平台化的需求，去年11月我们就说要做开放平台，开放平台的需求是有差异的，Web系统它有用户行为才有请求，但是API系统特别是客户端的应用，只要用户一开机就会有请求，直到他关闭电脑这种请求一直会不间断的过来，另外用户行为很难预测。 系统规模在持续的增大，另外也有平台化的需求，我们新架构应该怎么做才能满足这些需要？我们看一下同行，比如说Google怎么样考虑这个问题的？Google首席科学家讲过一句话，就是一个大的复杂的系统，应该要分解成很多小的服务。比如说我们在https://www.wendangku.net/doc/087289596.html,执行一个搜索查询的话，实际上这个操作会调动内部一百多个服务。因此，我们第三版的考虑就是先有服务才有接口最后才有应用，我们才能把这个系统做大。
新浪微博数据抓取详细教程
https://www.wendangku.net/doc/087289596.html, 新浪微博数据抓取详细教程 本文介绍使用八爪鱼采集器简易模式采集抓取新浪微博的方法。 需要采集微博内容的，在网页简易模式界面里点击微博进去之后可以看到所有关于微博的规则信息，我们直接使用就可以的。 新浪微博数据抓取步骤1 采集在微博首页进关键词搜索后的信息以及发文者的关注量，粉丝数等（下图所示）即打开微博主页进行登录后输入关键词进行搜索，采集搜索到的内容以及进入发文者页面采集关注量，粉丝数，微博数。 1、找到微博网页-关键词搜索规则然后点击立即使用
https://www.wendangku.net/doc/087289596.html, 新浪微博数据抓取步骤2 2、 简易模式中微博网页-关键词搜索的任务界面介绍 查看详情：点开可以看到示例网址 任务名：自定义任务名，默认为微博网页-关键词搜索 任务组：给任务划分一个保存任务的组，如果不设置会有一个默认组 用户名：请填写您的微博账号 密码：请填写微博账号的登录密码 关键词/搜索词：用于搜索的关键词，只支持填写一个 翻页次数： 设置采集多少页，由于微博会封账号，限制翻页1-50页 将鼠标移动到？号图标和任务名顶部文字均可以查看详细的注释信息。 示例数据：这个规则采集的所有字段信息。
https://www.wendangku.net/doc/087289596.html, 新浪微博数据抓取步骤3 3、任务设置示例 例如要采集与十九大相关的微博消息 在设置里如下图所示： 任务名：自定义任务名，也可以不设置按照默认的就行 任务组：自定义任务组，也可以不设置按照默认的就行 用户名：请填写您的微博账号，必填 密码：请填写微博账号的登录密码，必填 关键词/搜索词：用于搜索的关键词，此处填写“十九大” 翻页次数：设置采集多少页，此处设置2页 设置好之后点击保存
微博内容提取
微博内容提取 摘要 随着近年来微博等社交软件的使用人数日益增多，微博的隐私发展也成为人们日益关注的问题，然而由于微博没有固定的格式约束使得在微博的研究过程中有一些无意义的“噪音”的干扰，本文主要是为了完成微博的“噪音”过滤问题，实现一个小软件，来将新浪微博等微博中下载到本地的微博来进行过滤，去除其中的噪音，提取出纯净的页面内容，主要工作包括以下几个方面： （1）字符串的查找函数与分割函数的实现。 （2）多个文件的查找的函数的实现。 （3）固定字符串的即表情“噪音”的过滤实现。 （4）具有一定正则文法的“噪音”的过滤实现。 关键字：中文微博，微博，过滤，噪音，正则
Microblogging content extraction Author: Liudi Tutor: Yangkexin Abstract With recent years the number of micro-blog using social software is increasing, the development of micro-blog privacy has become a growing concern,However, due to the micro blog there is no fixed format constraint makes the interference of some meaningless "noise" in the research process of micro blog. the purpose of this paper is to complete the "noise" micro-blog filtering problem, the realization of a small software, to be used for filtering the download to the Sina micro-blog micro-blog etc., remove the noise, extract the page content is pure, the main work includes the following aspects: (1) the search function and the function of the string segmentation. (2) the implementation of the search function for multiple files (3) the filter of the expression "noise" of the fixed string. (4) the filter of a certain regular grammar "noise" of the fixed string. Keywords: Chinese micro-blog，micro-blog，filtering ，noise ，regular
新浪微博操作指南
新浪微博新手手册 第一章微博入门--------------------------------------------------------------------------------------------------2 1.1什么是微博--------------------------------------------------------------------------------------------------2 1.2如何注册微博-----------------------------------------------------------------------------------------------2 1.3如何登录微博-----------------------------------------------------------------------------------------------3 1.4新手快速使用微博攻略-----------------------------------------------------------------------------------3 第二章微博强大功能--------------------------------------------------------------------------------------------4 2.1 发微博的几种方式----------------------------------------------------------------------------------------4 2.2 话题----------------------------------------------------------------------------------------------------------6 2.3 发图片-------------------------------------------------------------------------------------------------------7 2.4 发视频-------------------------------------------------------------------------------------------------------7 2.5发音乐--------------------------------------------------------------------------------------------------------8 2.6 投票----------------------------------------------------------------------------------------------------------9 2.7 私信----------------------------------------------------------------------------------------------------------10 2.8 评论、转发、收藏功能----------------------------------------------------------------------------------10 2.9 关注和粉丝-------------------------------------------------------------------------------------------------10 2.10 @功能-------------------------------------------------------------------------------------------------------11 2.11 个人标签---------------------------------------------------------------------------------------------------11 第三章手机玩转微博--------------------------------------------------------------------------------------------11 3.1 手机短信、彩信更新微博-------------------------------------------------------------------------------11 3.2 手机WAP更新微博--------------------------------------------------------------------------------------12 3.3 手机客户端更新微博-------------------------------------------------------------------------------------12 第四章帐号设置--------------------------------------------------------------------------------------------------15 4.1 昵称----------------------------------------------------------------------------------------------------------15 4.2 个性域名----------------------------------------------------------------------------------------------------15 4.3 修改密码----------------------------------------------------------------------------------------------------15 4.4 密码及密保资料查询-------------------------------------------------------------------------------------16 4.5 微博登录名忘记-------------------------------------------------------------------------------------------16 第五章认证&合作-----------------------------------------------------------------------------------------------16 5.1 为什么要进行身份认证？------------------------------------------------------------------------------ 16 5.2 如何进行V认证与合作---------------------------------------------------------------------------------16 5.3 通过身份认证后是否有特权-------------------------------------------------------------------------- -17 第六章微博新功能、新活动上线-------------------------------------------------------------------------- --17 6.1 微博群------------------------------------------------------------------------------------------------------ 17 6.2 语音微博------------------------------------------------------------------------------------------------- --18 6.3 勋章-----------------------------------------------------------------------------------------------------------19 6.4 举报不良信息-----------------------------------------------------------------------------------------------20
微信文章抓取工具详细使用方法
https://www.wendangku.net/doc/087289596.html, 微信文章抓取工具详细使用方法 如今越来越多的优质内容发布在微信公众号中，面对这些内容，有些朋友就有采集下来的需求，下面为大家介绍使用八爪鱼抓取工具去抓取采集微信文章信息。 抓取的内容包括：微信文章标题、微信文章关键词、微信文章部分内容展示、微信所属公众号、微信文章发布时间、微信文章URL等字段数据。 采集网站：https://www.wendangku.net/doc/087289596.html,/ 步骤1：创建采集任务 1）进入主界面，选择“自定义模式”
https://www.wendangku.net/doc/087289596.html, 微信文章抓取工具详细使用步骤1 2）将要采集的网址URL复制粘贴到网站输入框中，点击“保存网址”
https://www.wendangku.net/doc/087289596.html, 微信文章抓取工具详细使用步骤2 步骤2：创建翻页循环 1）在页面右上角，打开“流程”，以展现出“流程设计器”和“定制当前操作”两个板块。点击页面中的文章搜索框，在右侧的操作提示框中，选择“输入文字”
https://www.wendangku.net/doc/087289596.html, 微信文章抓取工具详细使用步骤3 2）输入要搜索的文章信息，这里以搜索“八爪鱼大数据”为例，输入完成后，点击“确定”按钮 微信文章抓取工具详细使用步骤4
https://www.wendangku.net/doc/087289596.html, 3）“八爪鱼大数据”会自动填充到搜索框，点击“搜文章”按钮，在操作提示框中，选择“点击该按钮” 微信文章抓取工具详细使用步骤5 4）页面中出现了 “八爪鱼大数据”的文章搜索结果。将结果页面下拉到底部，点击“下一页”按钮，在右侧的操作提示框中，选择“循环点击下一页”
https://www.wendangku.net/doc/087289596.html, 微信文章抓取工具详细使用步骤6 步骤3：创建列表循环并提取数据 1）移动鼠标，选中页面里第一篇文章的区块。系统会识别此区块中的子元素，在操作提示框中，选择“选中子元素”
微博爬虫抓取方法
https://www.wendangku.net/doc/087289596.html, 微博爬虫一天可以抓取多少条数据 微博是一个基于用户关系信息分享、传播以及获取的平台。用户可以通过WEB、WAP等各种客户端组建个人社区，以140字（包括标点符号）的文字更新信息，并实现即时分享。 微博作为一种分享和交流平台，十分更注重时效性和随意性。微博平台上产生了大量的数据。而在数据抓取领域，不同的爬虫工具能够抓取微博数据的效率是质量都是不一样的。 本文以八爪鱼这款爬虫工具为例，具体分析其抓取微博数据的效率和质量。 微博主要有三大类数据 一、博主信息抓取 采集网址：https://www.wendangku.net/doc/087289596.html,/1087030002_2975_2024_0 采集步骤：博主信息抓取步骤比较简单：打开要采集的网址>建立翻页循环（点击下一页）>建立循环列表（直接以博主信息区块建立循环列表）>采集并导出数据。 采集结果：一天（24小时）可采集上百万数据。
https://www.wendangku.net/doc/087289596.html, 微博爬虫一天可以抓取多少条数据图1 具体采集步骤，请参考以下教程：微博大号-艺术类博主信息采集 二、发布的微博抓取 采集网址： 采集步骤：这类数据抓取较为复杂，打开网页（打开某博主的微博主页，经过2次下拉加载，才会出现下一页按钮，因而需对步骤，进行Ajax下拉加载设置）>建立翻页循环（此步骤与打开网页步骤同理，当翻到第二页时，同样需要经过2次下来加载。因而也需要进行Ajax下拉加载设置）>建立循环列表（循环点击每条微博链接，以建立循环列表）>采集
https://www.wendangku.net/doc/087289596.html, 并导出数据（进入每条微博的详情页，采集所需的字段，如：博主ID、微博发布时间、微博来源、微博内容、评论数、转发数、点赞数）。 采集结果：一天（24小时）可采集上万的数据。 微博爬虫一天可以抓取多少条数据图2 具体采集步骤，请参考以下教程：新浪微博-发布的微博采集 三、微博评论采集 采集网址： https://https://www.wendangku.net/doc/087289596.html,/mdabao?is_search=0&visible=0&is_all=1&is_tag=0&profile_fty pe=1&page=1#feedtop 采集步骤：微博评论采集，采集规则也比较复杂。打开要采集的网页（打开某博主的微博主
基于微博API的分布式抓取技术
1引言 近年来，社交网络的发展引人注目，参考文献[1]介绍了社交网络的发展现状及趋势。目前，约有一半的中国网民通过社交网络沟通交流、分享信息，社交网络已成为覆盖用户最广、传播影响最大、商业价值最高的Web2.0业务。微博作为一种便捷的媒体交互平台，在全球范围内吸引了数亿用户，已成为人们进行信息交流的重要媒介，用户可以通过微博进行信息记录和交流、娱乐消遣以及社会交往等[2]。 Twitter自2006年由Williams E等人联合推出以来，发展迅猛。Twitter作为一种结合社会化网络和微型博客的新型Web2.0应用形式正风靡国外，其应用涉及商业、新闻教育等社会领域，已成为网络舆论中最具有影响力的一种[3]。 基于微博API的分布式抓取技术 陈舜华1，王晓彤1，郝志峰1，蔡瑞初1，肖晓军2，卢宇2 （1.广东工业大学计算机学院广州510006；2.广州优亿信息科技有限公司广州510630） 摘要：随着微博用户的迅猛增长，越来越多的人希望从用户的行为和微博内容中挖掘有趣的模式。针对如何对微博数据进行有效合理的采集，提出了基于微博API的分布式抓取技术，通过模拟微博登录自动授权，合理控制API的调用频次，结合任务分配控制器高效地获取微博数据。该分布式抓取技术还结合时间触发和内存数据库技术实现重复控制，避免了数据的重复爬取和重复存储，提高了系统的性能。本分布式抓取技术具有可扩展性高、任务分配明确、效率高、多种爬取策略适应不同的爬取需求等特点。新浪微博数据爬取实例验证了该技术的可行性。 关键词：新浪微博；爬取策略；分布式爬取；微博API doi:10.3969/j.issn.1000-0801.2013.08.025 A Distributed Data-Crawling Technology for Microblog API Chen Shunhua1,Wang Xiaotong1,Hao Zhifeng1,Cai Ruichu1,Xiao Xiaojun2,Lu Yu2 (1.School of Computers,Guangdong University of Technology,Guangzhou510006,China; 2.Guangzhou Useease Information Technology Co.,Ltd.,Guangzhou510630,China) Abstract:As more and more users begin to use microblog,people eagerly want to dig interesting patterns from the microblog data.How to efficiently collect data from the service provider is one of the main challenges.To address this issue,a distributed crawling solution based on microblog API was present.The distributed crawling solution simulates microblog login,automatically gets authorized,and control the invoked frequency of the API with a task controller.A time trigger method with memory database was also proposed to avoid extra trivial data duplication and improve efficiency of the system.In the distributed framework,the crawling tasks can be assigned to distributed clients independently,which ensures the high scalability and flexibility of the crawling procedure.The feasibility of the crawler technology according to Sina microblog instance was verified. Key words:Sina microblog,crawling strategy,distributed crawl,microblog API 运营创新论坛 146
2.2-微博数据获取处理平台
基于云计算的 微博数据获取分析平台 朱廷劭 中国科学院心理研究所计算网络心理实验室 目录 2016‐7‐14中国科学院大学, University of Chinese Academy of Sciences2 目录 2016‐7‐14中国科学院大学, University of Chinese Academy of Sciences3
平台概述?微博信息概况 2016‐7‐14 中国科学院大学, University of Chinese Academy of Sciences 4 我国网民数已以逾6亿（含移动客户端） 在新浪微博（我国最大的开放社会媒体）上： 日均活跃用户数约7660万月活跃用户数约1.67亿社会媒体兴起，用户在社会媒体上 获取信息、表达自我、进行互动… 数据即行为的记录 社会媒体→在线心理学实验室 平台概述?平台信息概况 2016‐7‐14中国科学院大学, University of Chinese Academy of Sciences 5 传统数据技术已经无法满足海量微博数据的处理要求，而云计算技术可以非常高效的可以非常高效的完成对海量数据的存储和计算任务。 采集 传输处理 存储分析 展示 虚拟化、云计算虚拟化平台： ?基于vSphere，提供实验室私有云 ?虚拟化计算资源（CPU、Memory）： 28 * (12*2.1GHz CPU + 128GB Memory) ?虚拟化存储资源（外接存储）：5 * 27.3 TB ?网络资源（内网、外网）： 8Gbps、20Mbps ?提供便捷的资源管理 目录 2016‐7‐14中国科学院大学, University of Chinese Academy of Sciences 6
新浪微博产品类面试【含部分笔经】
新浪微博产品类面试 首先我申请了新浪微博的两个产品类的岗位，都没有通知我笔试，然后第二天 我知道了笔试地点，果断去霸 笔了，居然霸笔成功，给了面试机会，然后。。。就没有然后了。。下边详细给大 家说说： 关于笔试： 新浪的笔试是最像考产品的笔试，不像坑爹的腾讯，全TMD 是行测题目，主要事一下几个部分 （1）个人情况了解，职业规划等等，为啥选择新浪； （2）逻辑题：探险者去了荒岛求生的，大家自行百度，关键词：酋长，探险者，生死，真假 （3）互联网常识题：都很简单，主要考察队Android 和IOS 的了解 （4）产品题目，一个选择一个你喜欢的App，说出他优略并改进，二一个给你一个白板和彩笔，怎么说服别人同 意你的设计 （5）设计题：登陆注册、流程图 （6）英语翻译与解释：都很简单，还有一个关于Java ME 的解释 题目很多，但是时间足够，字不需要很多，只是需要思路和关键词 然后我有幸进入面试，据说筛人比较狠啊，当天晚上，凌晨 1 点北京长途通知我第二天面试。。 然后是关于面试： （1）自我介绍 （2）你自己做过互联网产品吗，简单说书； （3）你硕士是金融，你觉得你自己做产品优势；
（4）拿出卷子问了几个问题； （5）给了我一张A4 纸画出原型，需求是刚打开App 的注册（被血虐，各种指出不足） （6）你觉得自己设计那些需要改进； （7）好，你的设计师这样，那么你觉得手机屏幕一行可以放几个字？你自己设计了几个？ （8）一个App 多大你觉得多少算合适？我说15M 左右，后边查了新浪是14.7M （9）你觉得一个高保真的图片应该是多大？我说512KB，似乎小了。 （10）Visio 和Axure 用了多久？ 3 年和半年 （11）看表，说面试是30min 你有啥问题不？（没有兴趣了）然后我就和他撤了点别的，新浪战略，盈利和关于 阿里巴巴的 确实自己觉得也不太好，非常多的不足。 到今天没有任何消息，估计就没有然后了。。 希望给未来的同学一点经验吧。
网站数据抓取能抓取哪些数据
https://www.wendangku.net/doc/087289596.html, 网站数据抓取能抓取哪些数据 互联网数据爆发式增长，且这些数据大多是开放的。通过在线的方式，所有人均可访问和获取这些数据，即网页上直接可见的数据，99%都是可以抓取的。 详细到具体网站，可抓取IT橘子和36Kr的各公司的投融资数据；可抓取知乎/微博/微信等平台的内容；可抓取天猫/淘宝/京东/淘宝等电商的评论及销售数据；可抓取58同城/安居客/Q房网/搜房网上的房源信息；可抓取大众点评/美团网等网站的用户消费和评价；可抓取拉勾网/中华英才/智联招聘/大街网的职位信息...... 网站数据是为我们的需要服务的，先确定好自己的需求，然后选择目标网站，通过写代码/网站数据抓取工具的方式，抓取数据即可。以下是一个八爪鱼采集今日头条网站的完整示例。示例中采集的是今日头条-热点下的新闻标题、新闻来源、发布时间。 采集网站： https://https://www.wendangku.net/doc/087289596.html,/ch/news_hot/ 步骤1：创建采集任务 1）进入主界面选择，选择“自定义模式”
https://www.wendangku.net/doc/087289596.html, 网站数据抓取能抓取哪些数据图1 2）将上面网址的网址复制粘贴到网站输入框中，点击“保存网址” 网站数据抓取能抓取哪些数据图2
https://www.wendangku.net/doc/087289596.html, 3）保存网址后，页面将在八爪鱼采集器中打开，红色方框中的信息是这次演示要采集的内容 网站数据抓取能抓取哪些数据图3 步骤2：设置ajax页面加载时间 ●设置打开网页步骤的ajax滚动加载时间 ●找到翻页按钮，设置翻页循环 ●设置翻页步骤ajax下拉加载时间
https://www.wendangku.net/doc/087289596.html, 1）网页打开后，需要进行以下设置：打开流程图，点击“打开网页”步骤，在右侧的高级选项框中，勾选“页面加载完成向下滚动”，设置滚动次数，每次滚动间隔时间，一般设置2秒，这个页面的滚动方式，选择直接滚动到底部；最后点击确定 网站数据抓取能抓取哪些数据图4 注意：今日头条的网站属于瀑布流网站，没有翻页按钮，这里的滚动次数设置将影响采集的数据量
新浪手机微博使用指南
新浪手机微博使用指南V1.0 一、下载安装 1、如何下载？在哪下载？怎么安装？ 打开手机界面的应用程序，在里面找到UC浏览器，在输入网址里输入https://www.wendangku.net/doc/087289596.html, ，点击进入后将会来到一个安卓应用程序下载网站。在此网站的搜索框内搜索“新浪微博”。搜索完成后会出现一个列表页，点击新浪微博V2.4.5，进入后，找到软件下载，点击”下载地址一”或者”下载地址二”进行下载。下载方式选择“保存”。待下载完毕后，系统会自动询问你是否安装，点击是进行软件安装。依照提示一步一步操作，直到完成安装。 2、怎么注册？怎么登陆？ 用电脑登录到https://www.wendangku.net/doc/087289596.html,/，点击注册，填写完相应的资料，就会获得你的新浪微 博账号。 注册完账号如果想要手机登录，点击手机的应用程序“新浪微博”，启动后输入注册的账号和密码。完成登录。 ①.点击注册， ②.填写完相应的资料， 输入邮箱、密码、昵称、所在地、验证码，然后点击立即开通，就会获得你的新浪微博账号。 ③.登录。输入邮箱及密码即可登录 3、界面介绍、功能介绍 新浪手机微博的界面由一个首页并在底部搭配各种应用功能组成。 “首页”是显示你关注的人或者你自己发的微博信息内容。 “信息”功能，里面的内容都是与你本人有关的信息内容，由@ 评论和私信构成。 “我的资料”主要是查看自己的资料，包括我的登录名，关注了谁，谁关注了我
以及本人所发的微博汇总。 “广场”广场就相当于一个城市的集市，在这里你可以搜索你想要搜索的人和话题，你能了解今天微博最热门的话题、转发、评论等，你也可以去随便看看别人都在做什么说什么等。以及关注一些电影明星，体育明星等的微博。 4、怎么发微博？ 登录微博后，点击左上角的撰写，就可以编写自己的微博了。文字不能超过140个汉字。在编写微博的过程中，你可以加入@ #话题# 图片地图定位表情等功能。在编写完成后，点击发送。就完成了一次微博发布。 5、什么是转发？ 转发就是当你看到别人发的某条微博你很感兴趣，也想发给关注自己的人分享一下，就可以使用转发功能，无需自己在重新输入或上传图片，只需点击转发功能，就能使你的粉丝看到你所转发的微博。当然你也可以在转发的时候评论几句。这样转发的时候也会显示你的评论。 6、什么是@？ @，中文读音为艾特，是指你在发微博或转发的时候，你希望你的某个朋友或者粉丝能看到，只要在发布内容或者转发填写内容的时候在里面加上@+你朋友的新浪微博ID。这样你粉丝或者朋友那边就会有提示“有一条微博提到你了”。可以及时的让你的粉丝或者朋友去查看这条微博。当然如果你的粉丝或者朋友转发你的微博或者也@你一下，你这边也会有“有一条微博提到你了”的提示了。 7、什么是评论？ 评论指当你看完一条微博有什么感慨或者想法的时候，想表达一下但又不想转发，这个时候你可以选择使用评论功能。评论发布后该条微博的作者将看到你所发布的评论。注意：评论字数也未140个汉字。 8、什么是私信？ 私信是指在微博里互相传递的私密内容信息，只有传递着和接收者有权利查看。其他人不能看到的。 9、什么是#话题#？ #话题#功能满足了当某个热门事件发生后，很多人发的微博讨论只有局部人能看到，而不能参与到全微博的用户一起讨论。这个时候你可以选择在发布微博的时候加入#话题#，例如，刘翔夺冠，你可以在发微博的时候加入#刘翔夺冠#，发布后，你的微博将会被列入#刘翔夺冠#这个话题里，所有微博用户只要在讨论和关注#刘翔夺冠#这个话题。都可以看到你所发的微博内容。 10、如何上传图片？ 发完微博后想上传图片？你可以点击发布栏下面的相机图样，会弹出选择“手机相册”和“相机拍摄”。手机相册指原来在手机里已经存在的图片，你想发送出去，可以选择手机相册。相机拍摄指现场拍图片选用。选择好图片后，点击微博发布按钮，图片会自动上传显示的。
股票交易数据抓取采集的方法
https://www.wendangku.net/doc/087289596.html, 股票交易数据抓取采集的方法 本文介绍使用八爪鱼采集器简易模式采集抓取股票交易数据的方法。 股票交易数据采集详细字段说明：股票代码，股票名称，股票最新价，股票最新价，股票换手率，股票市盈率，股票主力成本，机构参与度，数据日期，数据采集日期。 需要采集东方财富网里详细内容的，在网页简易模式界面里点击东方财富网，进去之后可以看到关于东方财富网的三个规则信息，我们依次直接使用就可以的。 采集东方财富网 -千评千股-数据中心内容（下图所示）即打开东方财富网主页点击第二个（千评千股-数据中心）采集搜索到的内容。
https://www.wendangku.net/doc/087289596.html, 1、找到东方财富网-千评千股-数据中心规则然后点击立即使用 2、下图显示的即为简易模式里面千评千股-数据中心的规则 ①查看详情：点开可以看到示例网址 ②任务名：自定义任务名，默认为千评千股-数据中心 ③任务组：给任务划分一个保存任务的组，如果不设置会有一个默认组 ④翻页次数：设置要采集几页 ⑤示例数据：这个规则采集的所有字段信息
https://www.wendangku.net/doc/087289596.html, 3、规则制作示例 任务名：自定义任务名，也可以不设置按照默认的就行 任务组：自定义任务组，也可以不设置按照默认的就行 翻页次数: 2 设置好之后点击保存，保存之后会出现开始采集的按钮 保存之后会出现开始采集的按钮
https://www.wendangku.net/doc/087289596.html, 4、选择开始采集之后系统将会弹出运行任务的界面 可以选择启动本地采集（本地执行采集流程）或者启动云采集（由云服务器执行采集流程），这里以启动本地采集为例，我们选择启动本地采集按钮