前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >爬虫采集舆情数据的方案

爬虫采集舆情数据的方案

原创
作者头像
用户6172015
修改2021-05-31 18:04:49
1.9K0
修改2021-05-31 18:04:49
举报
文章被收录于专栏:网络爬虫

网络爬虫简单来说就是指通过爬虫程序访问网站的API连接获取数据信息。爬虫程序可以将需要的数据信息从在网页中爬取出来,然后储存在新建的文档里。网络爬虫支持各种数据的采集, 文件,图片。视频等等都可以采集,但是不能采集违法业务。在互联网大数据时代中,网络爬虫主要是为搜索引擎提供最全面和最新的数据,网络爬虫也是从互联网上采集数据的爬虫程序。

我们也可以通过网络爬虫采集舆情数据,可以采集新闻,社交,论坛,博客等信息数据。这也是常见的舆情数据获取的方案之一。一般就是通过爬虫程序使用爬虫代理IP对一些有意义的网站进行数据采集。舆情数据也可以通过在数据交易市场去购买,或者找那些专业的舆情分析团队去获取,但是一般来说说,专业的舆情分析团队,也都是通过爬虫程序使用代理IP去采集的相关数据,从而进行舆情数据分析。

由于短视频的火爆,抖音,快手这两个主流短视频APP,我们也可以通过爬虫程序采集抖音,快手进行舆情数据分析。将统计的数据生成表格,提供给大家作为数据报告,也可以参考以下采集方案代码:

代码语言:javascript
复制
// 要访问的目标页面
string targetUrl = "http://httpbin.org/ip";


// 代理服务器(产品官网 www.16yun.cn)
string proxyHost = "http://t.16yun.cn";
string proxyPort = "31111";

// 代理验证信息
string proxyUser = "username";
string proxyPass = "password";

// 设置代理服务器
WebProxy proxy = new WebProxy(string.Format("{0}:{1}", proxyHost, proxyPort), true);


ServicePointManager.Expect100Continue = false;

var request = WebRequest.Create(targetUrl) as HttpWebRequest;

request.AllowAutoRedirect = true;
request.KeepAlive = true;
request.Method    = "GET";
request.Proxy     = proxy;

//request.Proxy.Credentials = CredentialCache.DefaultCredentials;

request.Proxy.Credentials = new System.Net.NetworkCredential(proxyUser, proxyPass);

// 设置Proxy Tunnel
// Random ran=new Random();
// int tunnel =ran.Next(1,10000);
// request.Headers.Add("Proxy-Tunnel", String.valueOf(tunnel));


//request.Timeout = 20000;
//request.ServicePoint.ConnectionLimit = 512;
//request.UserAgent = "Mozilla/5.0 (Windows NT 6.3; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/48.0.2564.82 Safari/537.36";
//request.Headers.Add("Cache-Control", "max-age=0");
//request.Headers.Add("DNT", "1");


//String encoded = System.Convert.ToBase64String(System.Text.Encoding.GetEncoding("ISO-8859-1").GetBytes(proxyUser + ":" + proxyPass));
//request.Headers.Add("Proxy-Authorization", "Basic " + encoded);

using (var response = request.GetResponse() as HttpWebResponse)
using (var sr = new StreamReader(response.GetResponseStream(), Encoding.UTF8))
{
    string htmlStr = sr.ReadToEnd();
}

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档