Ldyer

现已推出Edge微博评论爬取扩展，无需编程环境，就可直接在浏览器中一键爬取微博评论：【Edge扩展发布】无需代码环境，一键导出微博下所有评论信息！ 1. 项目简介✍🏻 本项目👀是基于Python开发的微博评论采集工具，支持深度获取微博评论数据及多维用户画像。通过逆向解析微博URL参数，实现短链到博文ID的精准转换，采用递归算法抓取多级嵌套评论（含二级回复）。 系统整合微博开放接口，可提取30+用户属性，涵盖基础信息（性别👩、年龄、星座⛎️）、社交行为（粉丝量、互动量）、认证状态（黄V/企业认证）、信用等级、IP属地及教育职业背景🎓 等维度。 数据以结构化CSV格式存储，包含评论内容、点赞数、用户粉丝等级等字段，适用于舆情分析、用户行为研究等场景。通过Cookie认证机制保障请求合法性，内置0.5秒/次的请求间隔防止反爬，为社交媒体数据挖掘提供高效合规的解决方案。 🐨Github项目地址：weibo-comment-crawler 🐒CSDN项目地址：基于Request爬取微博所有评论（一二级评论、楼中楼）和用户信息（IP地址、简介、粉丝牌、微博认证、年龄、星座、学历...

2025年9月24日更新：目前B站对爬取速度进行了进一步的限制，各位如果遇到了反爬干扰，建议加入IP池或者适当降低爬取速度，如果你只是想获取评论数据，可以参考本人新发布的Edge插件，无需代码环境，直接在浏览器上对评论进行爬取与导出，而且基本上不会受到反爬机制的干扰： ✅来自本站，本站可确保其安全性，请放心点击跳转 【扩展发布】一键导出B站评论区所有评论！ ldyer 前言🐈 用于爬取Bilibili（B站）视频评论的爬虫，支持爬取一级评论及二级回复，并将数据导出为CSV文件。通过输入视频的BV号，脚本会自动获取视频信息并抓取相关评论，包含用户基本信息、评论内容、IP属地、头像、会员、等级等字段。🦄🦄 🐨Github项目地址：bilibili-comment-crawler 🐒CSDN项目地址：利用Request通过bv号爬取B站指定视频下所有评论（IP地址、大会员、等级、一二级评论等等)，附带源码和教程 🐼博...

简介 本教程介绍如何使用 Node.js 搭建一个简单的 HTTP 服务，基于 Express 和 Axios 提供一个可以查询微博话题趋势的接口。用户可以通过 GET 请求指定关键词（search）和时间范围（time）获取相关数据。 功能概述 技术栈：Express.js（搭建服务器）、Axios（发起 HTTP 请求） 核心功能：实现一个 GET 接口 /search，通过 search 参数指定查询话题，通过 time 参数控制时间范围（如 1小时、1天、7天、30天）。 API 源地址：接口将数据请求重定向到微博的 AJAX 接口 https://m.s.weibo.com/ajax_topic/trend。 代码结构 导入模块 12const express = require('express'); // Express.js 用于搭建 Web 服务器const axios = require('axios'); // Axios 用于发起 HTTP 请求 配置服务器 1.创建 Express 实例 2.定义服务...

Github 推送复制模版 在 GitHub 新建空仓库 登录 GitHub → New repository → 取一个名字，如 myproject → 直接点击 Create repository，（不要勾选 README、License）。页面会给出两段提示，保留备用。 进入本地项目目录并初始化 1cd /path/to/myproject 初始化本地仓库、把当前目录所有文件加入暂存区、提交到本地仓库 1git init 1git add . 1git commit -m "first commit" 关联远程并推送 将下面命令中的 YOUR_USERNAME 和 myproject 换成自己的。 把默认分支重命名为 main（GitHub 默认） 1git branch -M main 1git remote add origin url 1git push -u origin main 后续的推送 拉取并自动尝试合并 1git pull origin main 如无冲突，直接 1git...

一、HBase 简介 HBase 是一个分布式、可扩展的列式存储数据库，基于 Google 的 Bigtable 设计构建。它是 Hadoop 生态系统的一部分，主要用于处理海量的结构化数据。与传统的关系型数据库不同，HBase 采用列存储而不是行存储，这使得它非常适合处理大量的稀疏数据，并且支持快速随机访问。 1.1 HBase 的特点： 分布式架构：HBase 运行在集群模式下，数据被分布在多个节点上，实现了高可用性和容错能力。 横向扩展性：可以根据需求增加节点，扩展存储和计算能力。 列式存储：数据按照列而非行进行存储，这对某些特定应用（如大规模分析、实时数据访问）非常有利。 高并发写入：适合高吞吐量的数据写入和实时数据处理。 无模式（Schema-less）：在 HBase 中，不同的行可以有不同的列，可以灵活地存储结构化或半结构化数据。 1.2 HBase 的用途： 大数据存储：当需要存储大量的数据并能够进行高效的快速查询时，HBase 是理想的选择。例如，可以用于存储日志数据、传感器数据、社交媒体数据等。 实时数据分析：HBase 支持快速的随机读写，适合需要实时...

1.编辑xcall脚本 编辑xcall脚本，可以查看所有虚拟机的进程情况，这对后续很重要。 123456#! /bin/bashfor i in 虚拟机① 虚拟机② 虚拟机③do echo --------- $i ---------- ssh $i "$*"done 编辑完成后，输入 1xcall jps 如果正常的话，会显示每个虚拟机的进程 2.配置Hadoop 2.1准备 本人的hadoop是3.1.3，因为后续需要用到flume1.10.1与hadoop3.1.31不适配，所以将它升级到hadoop-3.3.4，升级之前，请将虚拟机进行快照保存，防止升级的时候出错。 2.2 安装hadoop-3.3.4 首先，安装hadoop-3.3.4到与hadoop-3.1.3相同的目录下，然后，把hadoop3.1.3中etc/hadoop/里的core-site.xml、hdfs-site.xml、yarn-site.xml、mapred-site.xml、workers共五个文件与hadoop-3.3.4中相同文件进行替换。 替换完成后，输入以下...

1. 模拟数据准备 1.1 生成模拟数据 先将HDFS上/origin_data路径下之前的数据删除 1hadoop fs -rm -r /origin_data/* 启动采集通道 1cluster.sh start 停止Maxwell 1mxw.sh stop 修改虚拟机①的/opt/module/applog/application.yml文件，将mock.date，mock.clear，mock.clear.user，mock.new.user，mock.log.db.enable五个参数调整为如下的值(以"2022-06-04"为例) 12345678910#业务日期mock.date: "2022-06-04"#是否重置业务数据mock.clear.busi: 1#是否重置用户数据mock.clear.user: 1## 批量生成新用户数量mock.new.user: 100## 日志是否写入数据库一份 写入z_log表中mock.log.db.enable: 0 执行数据生成脚本，生成第一天2022-06-04的历史数据 1l...

更完了，累似了！ 一、基本数学运算 1.%% 计算余数 2.%/%计算所得的整数部分 3.**或^次方根 4.abs() 绝对值 5.exp() e的x次 5.round() 四舍五入函数 round(98.562,digits=2)=98.56 round(1234,digits=-2)=1200 round(1778,digits=-3)=2000 6.signif(x,digits=k) 四舍五入,x为要处理的实数,k为有效数字个数 signif(79843.597,digits=6)=79843.6 signif(79843.597,6)=79843.6 signif(79843.597,digits=3)=79800 signif(79843.597,3)=79800 7.floor(x) 小于等于x的最近整数 8.ceiling(x) 大于等于x的最近整数 9.trunc(x) 直接取整数，抹去小数 10.factorial(x) 返回x的阶乘 11.Inf 无限大 12.is.infinite(x) 判断是否无限大，如果是则TRUE，不是则FALSE 13.N...

脑子里有答案，不就是作弊吗？

1.Flume的下载与安装 本次学习在Ubuntu的Linux操作系统下进行，首先进入Ubuntu，输入指令 1wget https://archive.apache.org/dist/flume/1.9.0/apache-flume-1.9.0-bin.tar.gz 下载完成后，在目录下输入指令进行解压 1tar -zxvf 压缩包的名称 2.netcat日志采集 2.1 配置文件 进入目录下的conf文件中，创建example.conf文件，输入以下内容： 123456789101112131415161718192021## 设置Agent上的各个组件名称a1.sources = r1 #可以定义多个,r1 r2 r3 …a1.sinks = k1a1.channels = c1 ## 配置Sourcea1.sources.r1.type = netcata1.sources.r1.bind = localhosta1.sources.r1.port = 44444 ## 配置Sinka1.sinks.k1.type = logger ## 配置Channela1.ch...