SinaSpider

动态IP解决新浪的反爬虫机制，快速抓取微博内容。

Background

抓取1000个公司（在companyList.py文件中）五年内相关的微博，进而统计评论数、转发数、点赞数等等。

Environment

• Python2.7
• winxp服务器（通过某宝购买，关键是ADSL拨号功能，不然无法实现动态IP，也就解决不了新浪的反爬虫机制）

Results

• 每个公司五年内的微博（通过sqlite3存储）

  下面截图为company0000.db的微博。

  

• 所有公司微博评论数、转发数、点赞数的统计（excel形式呈现）

References

刚刚(Sun Sep 10 07:51:46 CST 2017)在整理浏览器的书签，因为自己习惯性会把觉得有用的网页存储为书签，所以日积月累，书签的数量已经十分庞大，决定清理一下。清理之前把那些与此项目的网页书签贴在这里吧

1. 模拟登录新浪微博（Python)
2. Python验证码识别处理实例 - Python - 伯乐在线
3. Python验证码识别处理实例 - 林炳文Evankaka的专栏 - CSDN博客
4. 爬虫怎么解决封IP？ - 知乎
5. 爬虫ip代理服务器的简要思路 - 京东放养的爬虫 - CSDN博客
6. 关于使用动态轮训切换ip防止爬虫被封杀
7. python爬虫-爬取代理IP并通过多线程快速验证
8. OpenCV-Python教程（5、初级滤波内容）
9. 字符型图片验证码识别完整过程及Python实现
10. Linux IP代理筛选系统（shell+proxy）
11. SQLite 连接两个字符串
12. 取得sqlite数据库里所有的表名 &复制表
13. python - Beautifulsoup and AJAX-table problem - Stack Overflow
14. python - How to enable digits only in pytesser? - Stack Overflow
15. Python 文件读写操作实例详解