my-media-crawler


Namemy-media-crawler JSON
Version 0.1.4 PyPI version JSON
download
home_pagehttps://github.com/JohnPion-Zhang/my-media-crawler
SummaryForked from media clawer
upload_time2024-05-06 15:13:00
maintainerNone
docs_urlNone
authorEli
requires_python>=3.10
licenseNone
keywords python
VCS
bugtrack_url
requirements No requirements were recorded.
Travis-CI No Travis.
coveralls test coverage No coveralls. 
            > *forked from [media clawer](https://github.com/NanmiCoder/MediaCrawler)*

## for my own learning only, plz fork from the source repo rather than the repo to escape my crashed changes.

## Repo desc

### 功能列表
| 平台  | Cookie 登录 | 二维码登录 | 手机号登录 | 关键词搜索 | 指定视频/帖子 ID 爬取 | 登录状态缓存 | 数据保存 | IP 代理池 | 滑块验证码 |
|:---:|:---------:|:-----:|:-----:|:-----:|:-------------:|:------:|:----:|:------:|:-----:|
| 小红书 |     ✅     |   ✅   | ✅     |   ✅   |       ✅       |   ✅    |  ✅   |   ✅    |   ✕   |
| 抖音  |     ✅     |   ✅   | ✅     |   ✅   |       ✅       |   ✅    |  ✅   |   ✅    |   ✅   |
| 快手  |     ✅     |   ✅   | ✕     |   ✅   |       ✅       |   ✅    |  ✅   |   ✅    |    ✕   |
| B 站 |     ✅     |   ✅   | ✕     |   ✅   |       ✅       |   ✅    |  ✅   |   ✅    |   ✕   |
| 微博  |     ✅      |   ✅    | ✕     |   ✅    |       ✅        |    ✅    |   ✅   |    ✅    |   ✕   |


## usage

### create and activate virtualenv
   ```shell   
   virtualenv -p /path/to/your/python/bin ./bin_12
   source ./bin_12/bin/activate
   ```

### install deps

   ```shell
   pip3 install -r requirements.txt
   ```

### install playwright

   ```shell
   playwright install
   ```

### run

   ```shell
   # 从配置文件中读取关键词搜索相关的帖子并爬取帖子信息与评论
   python main.py --platform xhs --lt qrcode --type search
   
   # 从配置文件中读取指定的帖子ID列表获取指定帖子的信息与评论信息
   python main.py --platform xhs --lt qrcode --type detail
  
   # 打开对应APP扫二维码登录
     
   # 其他平台爬虫使用示例，执行下面的命令查看
   python main.py --help    
   ```


### 数据保存
- 支持保存到关系型数据库（Mysql、PgSQL等）
    - 执行 `python db.py` 初始化数据库数据库表结构（只在首次执行）
- 支持保存到csv中（data/目录下）
- 支持保存到json中（data/目录下）

## MediaCrawler爬虫项目交流群：
> 7天有效期，自动更新, 如果人满了可以加作者wx拉进群: yzglan，备注来自github.

<div style="max-width: 200px">  
<p><img alt="6群二维码" src="static/images/6群二维码.jpg" style="width: 200px;height: 100%" ></p>
</div>


## 打赏
免费开源不易，如果项目帮到你了，可以给我打赏哦，您的支持就是我最大的动力！
<div style="display: flex;justify-content: space-between;width: 100%">
    <p><img alt="打赏-微信" src="static/images/wechat_pay.jpeg" style="width: 200px;height: 100%" ></p>
    <p><img alt="打赏-支付宝" src="static/images/zfb_pay.png"   style="width: 200px;height: 100%" ></p>
</div>

## 爬虫入门课程
我新开的爬虫教程Github仓库 [CrawlerTutorial](https://github.com/NanmiCoder/CrawlerTutorial) ，感兴趣的朋友可以关注一下，持续更新，主打一个免费.


## 运行报错常见问题Q&A
> 遇到问题先自行搜索解决下，现在AI很火，用ChatGPT大多情况下能解决你的问题 [免费的ChatGPT](https://sider.ai/ad-land-redirect?source=github&p1=mi&p2=kk)  

➡️➡️➡️ [常见问题](docs/常见问题.md)


## 项目代码结构
➡️➡️➡️ [项目代码结构说明](docs/项目代码结构.md)

## 手机号登录说明
➡️➡️➡️ [手机号登录说明](docs/手机号登录说明.md)



## star 趋势图
- 如果该项目对你有帮助，star一下 ❤️❤️❤️

[![Star History Chart](https://api.star-history.com/svg?repos=NanmiCoder/MediaCrawler&type=Date)](https://star-history.com/#NanmiCoder/MediaCrawler&Date)




## 参考

- xhs客户端 [ReaJason的xhs仓库](https://github.com/ReaJason/xhs)
- 短信转发 [参考仓库](https://github.com/pppscn/SmsForwarder)
- 内网穿透工具 [ngrok](https://ngrok.com/docs/)



## 免责声明
<div id="disclaimer"> 

### 1. 项目目的与性质
本项目（以下简称“本项目”）是作为一个技术研究与学习工具而创建的，旨在探索和学习网络数据采集技术。本项目专注于自媒体平台的数据爬取技术研究，旨在提供给学习者和研究者作为技术交流之用。

### 2. 法律合规性声明
本项目开发者（以下简称“开发者”）郑重提醒用户在下载、安装和使用本项目时，严格遵守中华人民共和国相关法律法规，包括但不限于《中华人民共和国网络安全法》、《中华人民共和国反间谍法》等所有适用的国家法律和政策。用户应自行承担一切因使用本项目而可能引起的法律责任。

### 3. 使用目的限制
本项目严禁用于任何非法目的或非学习、非研究的商业行为。本项目不得用于任何形式的非法侵入他人计算机系统，不得用于任何侵犯他人知识产权或其他合法权益的行为。用户应保证其使用本项目的目的纯属个人学习和技术研究，不得用于任何形式的非法活动。

### 4. 免责声明
开发者已尽最大努力确保本项目的正当性及安全性，但不对用户使用本项目可能引起的任何形式的直接或间接损失承担责任。包括但不限于由于使用本项目而导致的任何数据丢失、设备损坏、法律诉讼等。

### 5. 知识产权声明
本项目的知识产权归开发者所有。本项目受到著作权法和国际著作权条约以及其他知识产权法律和条约的保护。用户在遵守本声明及相关法律法规的前提下，可以下载和使用本项目。

### 6. 最终解释权
关于本项目的最终解释权归开发者所有。开发者保留随时更改或更新本免责声明的权利，恕不另行通知。
</div>

Raw data

            {
    "_id": null,
    "home_page": "https://github.com/JohnPion-Zhang/my-media-crawler",
    "name": "my-media-crawler",
    "maintainer": null,
    "docs_url": null,
    "requires_python": ">=3.10",
    "maintainer_email": null,
    "keywords": "python",
    "author": "Eli",
    "author_email": "johnpion.zhang@gmail.com",
    "download_url": null,
    "platform": null,
    "description": "> *forked from [media clawer](https://github.com/NanmiCoder/MediaCrawler)*\n\n## for my own learning only, plz fork from the source repo rather than the repo to escape my crashed changes.\n\n## Repo desc\n\n### \u529f\u80fd\u5217\u8868\n| \u5e73\u53f0  | Cookie \u767b\u5f55 | \u4e8c\u7ef4\u7801\u767b\u5f55 | \u624b\u673a\u53f7\u767b\u5f55 | \u5173\u952e\u8bcd\u641c\u7d22 | \u6307\u5b9a\u89c6\u9891/\u5e16\u5b50 ID \u722c\u53d6 | \u767b\u5f55\u72b6\u6001\u7f13\u5b58 | \u6570\u636e\u4fdd\u5b58 | IP \u4ee3\u7406\u6c60 | \u6ed1\u5757\u9a8c\u8bc1\u7801 |\n|:---:|:---------:|:-----:|:-----:|:-----:|:-------------:|:------:|:----:|:------:|:-----:|\n| \u5c0f\u7ea2\u4e66 |     \u2705     |   \u2705   | \u2705     |   \u2705   |       \u2705       |   \u2705    |  \u2705   |   \u2705    |   \u2715   |\n| \u6296\u97f3  |     \u2705     |   \u2705   | \u2705     |   \u2705   |       \u2705       |   \u2705    |  \u2705   |   \u2705    |   \u2705   |\n| \u5feb\u624b  |     \u2705     |   \u2705   | \u2715     |   \u2705   |       \u2705       |   \u2705    |  \u2705   |   \u2705    |    \u2715   |\n| B \u7ad9 |     \u2705     |   \u2705   | \u2715     |   \u2705   |       \u2705       |   \u2705    |  \u2705   |   \u2705    |   \u2715   |\n| \u5fae\u535a  |     \u2705      |   \u2705    | \u2715     |   \u2705    |       \u2705        |    \u2705    |   \u2705   |    \u2705    |   \u2715   |\n\n\n## usage\n\n### create and activate virtualenv\n   ```shell   \n   virtualenv -p /path/to/your/python/bin ./bin_12\n   source ./bin_12/bin/activate\n   ```\n\n### install deps\n\n   ```shell\n   pip3 install -r requirements.txt\n   ```\n\n### install playwright\n\n   ```shell\n   playwright install\n   ```\n\n### run\n\n   ```shell\n   # \u4ece\u914d\u7f6e\u6587\u4ef6\u4e2d\u8bfb\u53d6\u5173\u952e\u8bcd\u641c\u7d22\u76f8\u5173\u7684\u5e16\u5b50\u5e76\u722c\u53d6\u5e16\u5b50\u4fe1\u606f\u4e0e\u8bc4\u8bba\n   python main.py --platform xhs --lt qrcode --type search\n   \n   # \u4ece\u914d\u7f6e\u6587\u4ef6\u4e2d\u8bfb\u53d6\u6307\u5b9a\u7684\u5e16\u5b50ID\u5217\u8868\u83b7\u53d6\u6307\u5b9a\u5e16\u5b50\u7684\u4fe1\u606f\u4e0e\u8bc4\u8bba\u4fe1\u606f\n   python main.py --platform xhs --lt qrcode --type detail\n  \n   # \u6253\u5f00\u5bf9\u5e94APP\u626b\u4e8c\u7ef4\u7801\u767b\u5f55\n     \n   # \u5176\u4ed6\u5e73\u53f0\u722c\u866b\u4f7f\u7528\u793a\u4f8b\uff0c\u6267\u884c\u4e0b\u9762\u7684\u547d\u4ee4\u67e5\u770b\n   python main.py --help    \n   ```\n\n\n### \u6570\u636e\u4fdd\u5b58\n- \u652f\u6301\u4fdd\u5b58\u5230\u5173\u7cfb\u578b\u6570\u636e\u5e93\uff08Mysql\u3001PgSQL\u7b49\uff09\n    - \u6267\u884c `python db.py` \u521d\u59cb\u5316\u6570\u636e\u5e93\u6570\u636e\u5e93\u8868\u7ed3\u6784\uff08\u53ea\u5728\u9996\u6b21\u6267\u884c\uff09\n- \u652f\u6301\u4fdd\u5b58\u5230csv\u4e2d\uff08data/\u76ee\u5f55\u4e0b\uff09\n- \u652f\u6301\u4fdd\u5b58\u5230json\u4e2d\uff08data/\u76ee\u5f55\u4e0b\uff09\n\n## MediaCrawler\u722c\u866b\u9879\u76ee\u4ea4\u6d41\u7fa4\uff1a\n> 7\u5929\u6709\u6548\u671f\uff0c\u81ea\u52a8\u66f4\u65b0, \u5982\u679c\u4eba\u6ee1\u4e86\u53ef\u4ee5\u52a0\u4f5c\u8005wx\u62c9\u8fdb\u7fa4: yzglan\uff0c\u5907\u6ce8\u6765\u81eagithub.\n\n<div style=\"max-width: 200px\">  \n<p><img alt=\"6\u7fa4\u4e8c\u7ef4\u7801\" src=\"static/images/6\u7fa4\u4e8c\u7ef4\u7801.jpg\" style=\"width: 200px;height: 100%\" ></p>\n</div>\n\n\n## \u6253\u8d4f\n\u514d\u8d39\u5f00\u6e90\u4e0d\u6613\uff0c\u5982\u679c\u9879\u76ee\u5e2e\u5230\u4f60\u4e86\uff0c\u53ef\u4ee5\u7ed9\u6211\u6253\u8d4f\u54e6\uff0c\u60a8\u7684\u652f\u6301\u5c31\u662f\u6211\u6700\u5927\u7684\u52a8\u529b\uff01\n<div style=\"display: flex;justify-content: space-between;width: 100%\">\n    <p><img alt=\"\u6253\u8d4f-\u5fae\u4fe1\" src=\"static/images/wechat_pay.jpeg\" style=\"width: 200px;height: 100%\" ></p>\n    <p><img alt=\"\u6253\u8d4f-\u652f\u4ed8\u5b9d\" src=\"static/images/zfb_pay.png\"   style=\"width: 200px;height: 100%\" ></p>\n</div>\n\n## \u722c\u866b\u5165\u95e8\u8bfe\u7a0b\n\u6211\u65b0\u5f00\u7684\u722c\u866b\u6559\u7a0bGithub\u4ed3\u5e93 [CrawlerTutorial](https://github.com/NanmiCoder/CrawlerTutorial) \uff0c\u611f\u5174\u8da3\u7684\u670b\u53cb\u53ef\u4ee5\u5173\u6ce8\u4e00\u4e0b\uff0c\u6301\u7eed\u66f4\u65b0\uff0c\u4e3b\u6253\u4e00\u4e2a\u514d\u8d39.\n\n\n## \u8fd0\u884c\u62a5\u9519\u5e38\u89c1\u95ee\u9898Q&A\n> \u9047\u5230\u95ee\u9898\u5148\u81ea\u884c\u641c\u7d22\u89e3\u51b3\u4e0b\uff0c\u73b0\u5728AI\u5f88\u706b\uff0c\u7528ChatGPT\u5927\u591a\u60c5\u51b5\u4e0b\u80fd\u89e3\u51b3\u4f60\u7684\u95ee\u9898 [\u514d\u8d39\u7684ChatGPT](https://sider.ai/ad-land-redirect?source=github&p1=mi&p2=kk)  \n\n\u27a1\ufe0f\u27a1\ufe0f\u27a1\ufe0f [\u5e38\u89c1\u95ee\u9898](docs/\u5e38\u89c1\u95ee\u9898.md)\n\n\n## \u9879\u76ee\u4ee3\u7801\u7ed3\u6784\n\u27a1\ufe0f\u27a1\ufe0f\u27a1\ufe0f [\u9879\u76ee\u4ee3\u7801\u7ed3\u6784\u8bf4\u660e](docs/\u9879\u76ee\u4ee3\u7801\u7ed3\u6784.md)\n\n## \u624b\u673a\u53f7\u767b\u5f55\u8bf4\u660e\n\u27a1\ufe0f\u27a1\ufe0f\u27a1\ufe0f [\u624b\u673a\u53f7\u767b\u5f55\u8bf4\u660e](docs/\u624b\u673a\u53f7\u767b\u5f55\u8bf4\u660e.md)\n\n\n\n## star \u8d8b\u52bf\u56fe\n- \u5982\u679c\u8be5\u9879\u76ee\u5bf9\u4f60\u6709\u5e2e\u52a9\uff0cstar\u4e00\u4e0b \u2764\ufe0f\u2764\ufe0f\u2764\ufe0f\n\n[![Star History Chart](https://api.star-history.com/svg?repos=NanmiCoder/MediaCrawler&type=Date)](https://star-history.com/#NanmiCoder/MediaCrawler&Date)\n\n\n\n\n## \u53c2\u8003\n\n- xhs\u5ba2\u6237\u7aef [ReaJason\u7684xhs\u4ed3\u5e93](https://github.com/ReaJason/xhs)\n- \u77ed\u4fe1\u8f6c\u53d1 [\u53c2\u8003\u4ed3\u5e93](https://github.com/pppscn/SmsForwarder)\n- \u5185\u7f51\u7a7f\u900f\u5de5\u5177 [ngrok](https://ngrok.com/docs/)\n\n\n\n## \u514d\u8d23\u58f0\u660e\n<div id=\"disclaimer\"> \n\n### 1. \u9879\u76ee\u76ee\u7684\u4e0e\u6027\u8d28\n\u672c\u9879\u76ee\uff08\u4ee5\u4e0b\u7b80\u79f0\u201c\u672c\u9879\u76ee\u201d\uff09\u662f\u4f5c\u4e3a\u4e00\u4e2a\u6280\u672f\u7814\u7a76\u4e0e\u5b66\u4e60\u5de5\u5177\u800c\u521b\u5efa\u7684\uff0c\u65e8\u5728\u63a2\u7d22\u548c\u5b66\u4e60\u7f51\u7edc\u6570\u636e\u91c7\u96c6\u6280\u672f\u3002\u672c\u9879\u76ee\u4e13\u6ce8\u4e8e\u81ea\u5a92\u4f53\u5e73\u53f0\u7684\u6570\u636e\u722c\u53d6\u6280\u672f\u7814\u7a76\uff0c\u65e8\u5728\u63d0\u4f9b\u7ed9\u5b66\u4e60\u8005\u548c\u7814\u7a76\u8005\u4f5c\u4e3a\u6280\u672f\u4ea4\u6d41\u4e4b\u7528\u3002\n\n### 2. \u6cd5\u5f8b\u5408\u89c4\u6027\u58f0\u660e\n\u672c\u9879\u76ee\u5f00\u53d1\u8005\uff08\u4ee5\u4e0b\u7b80\u79f0\u201c\u5f00\u53d1\u8005\u201d\uff09\u90d1\u91cd\u63d0\u9192\u7528\u6237\u5728\u4e0b\u8f7d\u3001\u5b89\u88c5\u548c\u4f7f\u7528\u672c\u9879\u76ee\u65f6\uff0c\u4e25\u683c\u9075\u5b88\u4e2d\u534e\u4eba\u6c11\u5171\u548c\u56fd\u76f8\u5173\u6cd5\u5f8b\u6cd5\u89c4\uff0c\u5305\u62ec\u4f46\u4e0d\u9650\u4e8e\u300a\u4e2d\u534e\u4eba\u6c11\u5171\u548c\u56fd\u7f51\u7edc\u5b89\u5168\u6cd5\u300b\u3001\u300a\u4e2d\u534e\u4eba\u6c11\u5171\u548c\u56fd\u53cd\u95f4\u8c0d\u6cd5\u300b\u7b49\u6240\u6709\u9002\u7528\u7684\u56fd\u5bb6\u6cd5\u5f8b\u548c\u653f\u7b56\u3002\u7528\u6237\u5e94\u81ea\u884c\u627f\u62c5\u4e00\u5207\u56e0\u4f7f\u7528\u672c\u9879\u76ee\u800c\u53ef\u80fd\u5f15\u8d77\u7684\u6cd5\u5f8b\u8d23\u4efb\u3002\n\n### 3. \u4f7f\u7528\u76ee\u7684\u9650\u5236\n\u672c\u9879\u76ee\u4e25\u7981\u7528\u4e8e\u4efb\u4f55\u975e\u6cd5\u76ee\u7684\u6216\u975e\u5b66\u4e60\u3001\u975e\u7814\u7a76\u7684\u5546\u4e1a\u884c\u4e3a\u3002\u672c\u9879\u76ee\u4e0d\u5f97\u7528\u4e8e\u4efb\u4f55\u5f62\u5f0f\u7684\u975e\u6cd5\u4fb5\u5165\u4ed6\u4eba\u8ba1\u7b97\u673a\u7cfb\u7edf\uff0c\u4e0d\u5f97\u7528\u4e8e\u4efb\u4f55\u4fb5\u72af\u4ed6\u4eba\u77e5\u8bc6\u4ea7\u6743\u6216\u5176\u4ed6\u5408\u6cd5\u6743\u76ca\u7684\u884c\u4e3a\u3002\u7528\u6237\u5e94\u4fdd\u8bc1\u5176\u4f7f\u7528\u672c\u9879\u76ee\u7684\u76ee\u7684\u7eaf\u5c5e\u4e2a\u4eba\u5b66\u4e60\u548c\u6280\u672f\u7814\u7a76\uff0c\u4e0d\u5f97\u7528\u4e8e\u4efb\u4f55\u5f62\u5f0f\u7684\u975e\u6cd5\u6d3b\u52a8\u3002\n\n### 4. \u514d\u8d23\u58f0\u660e\n\u5f00\u53d1\u8005\u5df2\u5c3d\u6700\u5927\u52aa\u529b\u786e\u4fdd\u672c\u9879\u76ee\u7684\u6b63\u5f53\u6027\u53ca\u5b89\u5168\u6027\uff0c\u4f46\u4e0d\u5bf9\u7528\u6237\u4f7f\u7528\u672c\u9879\u76ee\u53ef\u80fd\u5f15\u8d77\u7684\u4efb\u4f55\u5f62\u5f0f\u7684\u76f4\u63a5\u6216\u95f4\u63a5\u635f\u5931\u627f\u62c5\u8d23\u4efb\u3002\u5305\u62ec\u4f46\u4e0d\u9650\u4e8e\u7531\u4e8e\u4f7f\u7528\u672c\u9879\u76ee\u800c\u5bfc\u81f4\u7684\u4efb\u4f55\u6570\u636e\u4e22\u5931\u3001\u8bbe\u5907\u635f\u574f\u3001\u6cd5\u5f8b\u8bc9\u8bbc\u7b49\u3002\n\n### 5. \u77e5\u8bc6\u4ea7\u6743\u58f0\u660e\n\u672c\u9879\u76ee\u7684\u77e5\u8bc6\u4ea7\u6743\u5f52\u5f00\u53d1\u8005\u6240\u6709\u3002\u672c\u9879\u76ee\u53d7\u5230\u8457\u4f5c\u6743\u6cd5\u548c\u56fd\u9645\u8457\u4f5c\u6743\u6761\u7ea6\u4ee5\u53ca\u5176\u4ed6\u77e5\u8bc6\u4ea7\u6743\u6cd5\u5f8b\u548c\u6761\u7ea6\u7684\u4fdd\u62a4\u3002\u7528\u6237\u5728\u9075\u5b88\u672c\u58f0\u660e\u53ca\u76f8\u5173\u6cd5\u5f8b\u6cd5\u89c4\u7684\u524d\u63d0\u4e0b\uff0c\u53ef\u4ee5\u4e0b\u8f7d\u548c\u4f7f\u7528\u672c\u9879\u76ee\u3002\n\n### 6. \u6700\u7ec8\u89e3\u91ca\u6743\n\u5173\u4e8e\u672c\u9879\u76ee\u7684\u6700\u7ec8\u89e3\u91ca\u6743\u5f52\u5f00\u53d1\u8005\u6240\u6709\u3002\u5f00\u53d1\u8005\u4fdd\u7559\u968f\u65f6\u66f4\u6539\u6216\u66f4\u65b0\u672c\u514d\u8d23\u58f0\u660e\u7684\u6743\u5229\uff0c\u6055\u4e0d\u53e6\u884c\u901a\u77e5\u3002\n</div>\n\n\n\n\n\n\n",
    "bugtrack_url": null,
    "license": null,
    "summary": "Forked from media clawer",
    "version": "0.1.4",
    "project_urls": {
        "Homepage": "https://github.com/JohnPion-Zhang/my-media-crawler"
    },
    "split_keywords": [
        "python"
    ],
    "urls": [
        {
            "comment_text": "",
            "digests": {
                "blake2b_256": "be836094c37a12d4be4d1f5f0db2d646060a216af7b96402e33fd6b3218148f5",
                "md5": "2de26b98c2295a9901781a23bffb74bc",
                "sha256": "3d29a119d378c3a9e694052db9aa42400bfd519fb4ec066072222437a6694af3"
            },
            "downloads": -1,
            "filename": "my_media_crawler-0.1.4-py3-none-any.whl",
            "has_sig": false,
            "md5_digest": "2de26b98c2295a9901781a23bffb74bc",
            "packagetype": "bdist_wheel",
            "python_version": "py3",
            "requires_python": ">=3.10",
            "size": 104695,
            "upload_time": "2024-05-06T15:13:00",
            "upload_time_iso_8601": "2024-05-06T15:13:00.443356Z",
            "url": "https://files.pythonhosted.org/packages/be/83/6094c37a12d4be4d1f5f0db2d646060a216af7b96402e33fd6b3218148f5/my_media_crawler-0.1.4-py3-none-any.whl",
            "yanked": false,
            "yanked_reason": null
        }
    ],
    "upload_time": "2024-05-06 15:13:00",
    "github": true,
    "gitlab": false,
    "bitbucket": false,
    "codeberg": false,
    "github_user": "JohnPion-Zhang",
    "github_project": "my-media-crawler",
    "github_not_found": true,
    "lcname": "my-media-crawler"
}
Eli
Elapsed time: 9.18393s