职场社交软件脉脉职言区最近一个星期在聊什么？

工作之余在学习python,笔者主流语言是php,初学抓取了近来一个星期的脉脉职言区的帖子，现将过程记录如下。

脉脉是一款职场社交软件，大家会在职言区，也就是之前的匿名区去吐槽，但是帖子是登录之后才能看，所以第一步需要python模拟登录

模拟登录

首先在网页上登录，打开开发者工具，会看到一个gossip_list连接，这个就是列表的接口了，参数需要如下

是的，右边的参数就是我们获取数据的时候需要的参数了，cookie信息放在header头里模拟浏览器登录信息，把参数拼接好，去访问，能正常返回数据，如下图：

这样就拿到了数据结构了，然后写获取URL的方法，拼接URL，代码如下

def geturl(page):
        url = ‘https://maimai.cn/sdk/web/gossip_list?‘
        params = {
                ‘u‘:‘****‘,
                ‘channel‘:‘www‘,
                ‘version‘:‘4.0.0‘,
                ‘_csrf‘:‘*****‘,
                ‘access_token‘:‘*****‘,
                ‘uid‘:‘*****‘,
                ‘token‘:‘*****‘,
                ‘page‘:page,
                ‘jsononly‘:‘1‘
        }
        for item in params:
                url = url + item + ‘=‘+ params[item] + "&"
        url = url[:-1]
        return url;

获取了URL之后，根据已经拿到的cookie去拿取数据，代码如下：

def getGossipList():
        headers={
               ‘Accept‘:‘text/html,application/shtml+xml,application/xml‘,
                ‘Accept-Encoding‘:‘gzip, deflate, br‘,
                ‘Accept-language‘:‘zh-CN,zh;q=0.9‘,
                ‘Connection‘:"keep-alive",
                ‘Host‘:‘maimai.cn‘,
                ‘User-Agent‘:‘Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36‘,
                ‘cookie‘:‘******，
                ‘referer‘:‘https://maimai.cn/gossip_list‘
        }
        i = 0
        while (i<200):
                url = geturl(str(i));
                r = requests.get(url,timeout=10,headers=headers)
                if r==‘‘: return
                data=r.json()[‘data‘]
                for item in data:
                        saveData(item)
                i = i+1

存取数据

把拿到的数据存入sqlite,一般Mac或者Linux都自带，存取下来供后续分析，代码如下：

def saveData(item):
        related_tags = ‘‘
        conn = sqlite3.connect(‘/Users/kumufengchun/maimai.db‘)
        cursor = conn.cursor()
        for tag in related_tags:
                print(tag)
                sys.exit()
                related_tags += tag[‘name‘] + ‘,‘
        ins = "insert into gossip values(null,?,?,?,?,?,?)"
        v=(item[‘text‘] if(item.has_key(‘text‘)) else ‘‘,
        item[‘author‘] if(item.has_key(‘author‘)) else ‘‘,
        item[‘name‘] if(item.has_key(‘name‘)) else ‘‘,
        item[‘avatar‘] if(item.has_key(‘avatar‘)) else ‘‘,
        related_tags,
        item[‘time‘] if(item.has_key(‘time‘)) else ‘‘)
        cursor.execute(ins, v)
        conn.commit()
        conn.close()

数据分析

数据存取下来了，就可以分析了，每个岗位发贴数量，用tableau简单的作图表如下图：

制作云图

想了解大家都在聊啥，用jieba分词先把帖子内容分词，然后在用wordcloud作云图，代码如下：

def makeYuntu():
        conn = sqlite3.connect(‘/Users/yangjiao/maimai.db‘)
        c = conn.cursor()
        cursor = c.execute("select text from gossip")
        f = ‘‘
        for row in cursor:
                text = jieba.cut(row[0], cut_all=False)
                f +=" ".join(text)
        wordcloud = WordCloud(
                font_path="Deng.ttf",
                background_color="white",
                width=1920,
                height=1080,
                margin=2).generate_from_text(f);
        plt.imshow(wordcloud)
        plt.axis("off")
        plt.show()
        wordcloud.to_file(‘maimai.png‘)
        conn.close()

制作的云图如下所示

好了，第一次抓取数据的尝试就到这了。

关于模拟浏览器登录的有很多方法参考文档：https://www.cnblogs.com/chenxiaohan/p/7654667.html

关于sqlite的学习使用：http://www.runoob.com/sqlite/sqlite-python.html

关于python的使用：http://www.runoob.com/python3/python3-if-example.html

关于wordcloud的学习：https://blog.csdn.net/cy776719526/article/details/80171790

　　　　　　　　　　　https://www.cnblogs.com/jlutiger/p/9176517.html

关于jieba的学习：https://blog.csdn.net/linzch3/article/details/71253541

参考爱奇艺的爬取数据：https://blog.csdn.net/csdnnews/article/details/84781953

原文地址：https://www.cnblogs.com/kumufengchun/p/10108467.html