也来一发，豆瓣害羞组读图版

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

爱意满满的作品展示区。

这是一个创建于 3706 天前的主题，其中的信息可能已经有所发展或是发生改变。

看到有人专名写一个爬虫，于是用手上的东西，做了一个这个东西。
先直接上地址： https://f.binux.me/haixiuzu.html

pyspider DEMO版 + 多说做数据库 + 前端渲染一个瀑布流

嘿，还真像那么回事有没有。

那么问题来了，还有哪些免费的 KV 数据库，有 HTTP API 的，能公开读取数据的。
多说老是转义导入的数据。。

专名

转义

爬虫

44 条回复 • 2018-12-04 07:18:38 +08:00

oojiayu

2014-10-26 21:44:01 +08:00

赞一个

ihacku

2014-10-26 22:03:00 +08:00

CouchDB?

ChiangDi

2014-10-26 22:08:39 +08:00

豆瓣好奇怪，为什么那么多妹纸晒。。

can

2014-10-26 22:09:33 +08:00

不是说晚上管理员一下班，这组就……？

binux

2014-10-26 22:11:20 +08:00

@ihacku 不想要自己搭啊

Shared

2014-10-26 22:15:19 +08:00

为什么有css和js文件不能加载，主页裸奔了

jprovim

2014-10-26 22:37:20 +08:00

Firebase, 剛剛被google收購. @binux

shoumu

2014-10-26 22:38:30 +08:00

看不到图啊

binux

2014-10-26 22:40:54 +08:00

@Shared 反正我就是单文件，加载的CDN，打不开找又拍云
@shoumu 你用 https 了吗

shoumu

2014-10-26 22:42:49 +08:00

@binux 直接点的你给的那个地址

shoumu

2014-10-26 22:43:30 +08:00

@binux
控制台信息

Failed to load resource: net::ERR_SSL_VERSION_OR_CIPHER_MISMATCH https://static.duoshuo.com/embed.unstable.js
Uncaught ReferenceError: DUOSHUO is not defined haixiuzu.html:62
douban

binux

2014-10-26 22:45:54 +08:00

@shoumu 你浏览器的问题

shakoon

2014-10-26 22:47:02 +08:00

不能翻页&说好的瀑布流呢？是因为采集数据还太少么

flyphy

2014-10-26 22:48:29 +08:00

试试撸女神
http://lunvshen.com

binux

2014-10-26 22:58:03 +08:00

@shakoon 是兼容性bug吧，chrome是没问题的

kmvan

2014-10-26 23:21:36 +08:00

是啥语言采集的？

binux

2014-10-26 23:25:56 +08:00

@kmvan http://demo.pyspider.org/debug/haixiuzu

gipsymoth

2014-10-27 09:18:42 +08:00

这个好

muziyue

2014-10-27 09:51:33 +08:00

有没有能判断性别的图像处理方案……

jacob

2014-10-27 17:24:55 +08:00

害羞组是啥玩意，这些图看得我都害羞了- -

lubuwei

2014-10-27 18:21:22 +08:00

呃，下班再打开看看......

shakespark

2014-10-29 08:50:05 +08:00

为啥里面还有丁丁...

shakespark

2014-10-29 08:54:14 +08:00

理解了...各种晒10分钟的图被lz抓取了啊哈哈哈

hydyy

2014-10-29 09:31:21 +08:00

。。。

chilaoqi

2014-10-29 10:42:58 +08:00

这么多丁丁大丈夫？

binux

2014-10-29 10:47:11 +08:00

@chilaoqi 别人要发，而且不是发我这，数据也不存我这。。我有什么办法。。

axe

2014-10-29 15:29:25 +08:00

害羞组是用来约约约的吗。。

yangkeao

2014-10-29 17:34:45 +08:00

我想知道多说做数据库是什么情况。。

binux

2014-10-29 18:46:42 +08:00

@yangkeao 抓到一条数据之后，往多说上发一条评论，评论内容就是抓到数据。
然后页面取最新评论就行了。

gkuchan

2014-10-29 19:17:27 +08:00

…… 能不能把女人删掉搞一个只有男人的版本……

Qulyf

2014-10-30 17:25:31 +08:00

@gkuchan ←← 好像暴露了什么...

alsotang

2014-11-01 20:52:13 +08:00

碉堡了

2232588429

2014-11-02 00:49:20 +08:00

这个数据库是采到26号的？上限怎么定的？

binux

2014-11-02 00:55:21 +08:00

@2232588429 我只采集了第一页，我是从26号开始采集的。

wh1100717

2014-11-20 22:33:20 +08:00

其实你这个还可以加以下功能：
1. 定时check你抓下来的帖子是否删除，如果删除，则高亮显示(原因你懂的)
2. 想办法用算法把广告过滤掉...
3. 增加手动点击发豆油功能(原因你懂的)
4. 增加几个组一起check好了==！

我也写了个一个类似的东西...不过写完就觉得无趣懒得完善了，哈哈

binux

2014-11-20 22:39:28 +08:00

@wh1100717 我就试试我的爬虫，一个晚上做的，我也懒得完善

mnhkahn

2015-02-25 08:50:41 +08:00

大哥，你这个有些图多说那边没给你处理么？

binux

2015-02-25 17:57:21 +08:00 via Android

@mnhkahn 处理什么

lukew

2016-01-15 14:03:34 +08:00

@binux
好项目最近需要搭建一个爬虫系统果断上手！
想问下这个项目还是活的吧？

binux

2016-01-15 18:25:15 +08:00

@lukew 没死

lukew

2016-01-18 18:25:55 +08:00

@binux 关于网站或者 app 的登录貌似文档中没有具体的描述
能否加个微信?

lukew

2016-01-19 11:05:42 +08:00

@binux 如果要抓去 app 客户端，纯 http 的 api 接口，需要 https 的支持，登录这些操作
是否合适用 pyspider ？

binux

2016-01-19 19:23:38 +08:00

@lukew 没有跨任务会话管理, 需要你手动管理 cookie 保持登陆.

zkeeper

2018-12-04 07:18:38 +08:00

妈的来晚了, 啥都看不见