244 lines
8.6 KiB
Markdown
244 lines
8.6 KiB
Markdown
# 热搜数据爬取工具
|
||
|
||
> 本仓库中代码仅供学习研究使用，不得用于违法用途，学习使用完毕后请于24小时内删除。
|
||
>
|
||
> 数据来自微博、B站（详见下方「数据来源」），本项目不对数据真实性做验证，使用数据时请遵守相关平台的相关限制要求。
|
||
|
||
## 简介
|
||
|
||
您可以将本项目代码部署在服务器上（在本地运行也可），程序会每隔一分钟拉取一次热搜数据，并保存为 `json` 格式文件。
|
||
|
||
|
||
|
||
## 数据预览
|
||
|
||
在部署并启动项目后，您可以在浏览器中打开 `html/index.html` 文件实时预览当前热搜。
|
||
|
||
|
||
|
||
## 数据来源
|
||
|
||
**微博热搜**
|
||
|
||
页面：https://weibo.com/hot/search
|
||
|
||
接口：https://weibo.com/ajax/statuses/hot_band
|
||
|
||
|
||
|
||
**B站热搜**
|
||
|
||
页面：https://www.bilibili.com/blackboard/activity-trending-topic.html
|
||
|
||
接口：https://app.bilibili.com/x/v2/search/trending/ranking
|
||
|
||
|
||
|
||
**B站排行榜**
|
||
|
||
页面：https://www.bilibili.com/v/popular/rank/all
|
||
|
||
接口：https://api.bilibili.com/x/web-interface/ranking/v2?type=all
|
||
|
||
(切换到其他榜单再切换回来会调用此接口)
|
||
|
||
|
||
|
||
## 运行环境
|
||
|
||
原理上来说 Windows 下和 Linux 都可运行，目前仅在 Windows 下测试过，暂未在 Linux 系统下测试。
|
||
|
||
项目使用 node 开发，以下部署流程默认您已安装了 `Git`、`Nodejs`。
|
||
|
||
|
||
|
||
## 部署
|
||
|
||
1. 克隆仓库（或直接下载压缩包）
|
||
|
||
```bash
|
||
git clone https://git.only4.work/coder-xiaomo/weibo-hotband
|
||
```
|
||
|
||
2. 安装依赖
|
||
|
||
```bash
|
||
npm i
|
||
```
|
||
|
||
3. 修改配置文件
|
||
|
||
将项目目录下的 `.env.example` 文件复制一份，并改名为 `.env`，使用文本编辑器打开（例如：记事本、VS Code、vim等均可），根据其中的注释说明来进行配置即可。
|
||
|
||
> 如果不创建 .env 文件，项目启动时会报如下错误并退出。
|
||
>
|
||
> ```bash
|
||
> [ERROR] .env file not found!
|
||
> ```
|
||
|
||
4. 启动项目
|
||
|
||
```bash
|
||
# 直接运行
|
||
# node index.js
|
||
|
||
# 使用 pm2
|
||
# pm2 start index.js --name weibo-hotband-bot
|
||
```
|
||
|
||
5. 停止项目
|
||
|
||
```bash
|
||
# 使用 node index.js 命令直接运行的项目可以通过 `Ctrl + C` 停止
|
||
|
||
# 使用 pm2 运行的可以使用以下两行命令来停止和从列表中删除项目
|
||
# pm2 stop weibo-hotband-bot
|
||
# pm2 delete weibo-hotband-bot
|
||
```
|
||
|
||
|
||
|
||
## 说明
|
||
|
||
项目爬取的数据默认保存在项目目录下的 data 文件夹中，您也可以通过修改 `.env` 文件中的 `DATA_FOLDER` 参数值来自定义数据保存路径。
|
||
|
||
### 微博热搜榜
|
||
|
||
> 微博热搜在 `weibo_hotband` 子文件夹下
|
||
|
||
在程序运行后，该文件夹下会出现 `latest.json` 文件及其余几个文件夹，这些子文件夹中的文件按照以下格式保存：`年/月/日/年月日_时分.json`。
|
||
|
||
每次爬取后，`latest.json`中的数据都会被覆盖为最新的热搜数据。
|
||
|
||
`origin` 文件夹中的数据是通过Api接口获取到的原始数据，没有经过任何处理。
|
||
|
||
`simplify` 文件夹中的数据是在原始数据的基础上，去除了部分冗余数据。
|
||
|
||
`final` 文件夹中的数据是从原始数据中抽离出的有用数据，并重新整理得到的。
|
||
|
||
`regulation` 文件夹中的数据主要用于观测原始值与显示值不同的热搜，这部分热搜猜测可能是经过微博平台调控的。（这部分数据没有太大意义，可以忽略）
|
||
|
||
|
||
|
||
### B站热搜榜
|
||
|
||
> 微博热搜在 `bilibili_hotband` 子文件夹下
|
||
|
||
在程序运行后，该文件夹下会出现 `latest.json` 文件及其余几个文件夹，这些子文件夹中的文件按照以下格式保存：`年/月/日/年月日_时分.json`。
|
||
|
||
每次爬取后，`latest.json`中的数据都会被覆盖为最新的热搜数据。
|
||
|
||
`origin` 文件夹中的数据是通过Api接口获取到的原始数据，此处仅仅去除了 `trackid`。
|
||
|
||
`final` 文件夹中的数据是从原始数据中抽离出的有用数据，并重新整理得到的。
|
||
|
||
|
||
|
||
### B站排行榜
|
||
|
||
> 微博热搜在 `bilibili_rank` 子文件夹下
|
||
|
||
在程序运行后，该文件夹下会出现 `latest.json` 文件及其余几个文件夹，这些子文件夹中的文件按照以下格式保存：`年/月/日/年月日_时分.json`。
|
||
|
||
每次爬取后，`latest.json`中的数据都会被覆盖为最新的热搜数据。
|
||
|
||
`origin` 文件夹中的数据是通过Api接口获取到的原始数据，没有经过任何处理。
|
||
|
||
|
||
|
||
## 目录结构
|
||
|
||
### 项目目录结构
|
||
|
||
```bash
|
||
hotband // 本项目
|
||
├─ data // 爬取的数据（启动项目后自动创建）
|
||
├─ html // html 页面
|
||
│ ├─ assets
|
||
│ │ ├─ css // CSS 样式
|
||
│ │ │ └─
|
||
│ │ ├─ image // 前端图片资源
|
||
│ │ │ ├─ ...
|
||
│ │ └─ js
|
||
│ │ └─ isMobile.js
|
||
│ ├─ bilibili_hotband.html
|
||
│ ├─ bilibili_rank.html
|
||
│ └─ weibo_hotband.html
|
||
├─ src // 数据爬取核心代码
|
||
│ ├─ utils // 工具类代码
|
||
│ │ ├─ fileUtils.js
|
||
│ │ └─ requestUtils.js
|
||
│ ├─ execute_command.js // 执行命令行脚本（暂时没用到）
|
||
│ ├─ get_bilibili_hotband.js // 获取 B站热搜榜 代码
|
||
│ ├─ get_bilibili_rank.js // 爬取 B站排行榜 代码
|
||
│ └─ get_weibo_hotband.js // 爬取 微博热搜榜 代码
|
||
├─ .env.example // 项目配置文件模板
|
||
├─ .env // 项目配置文件（需要自行创建）
|
||
├─ index.html // html 页面打开文件
|
||
├─ index.js // node 项目启动入口文件
|
||
├─ nodemon.json
|
||
├─ package-lock.json
|
||
├─ package.json
|
||
├─ pm2 restart.bat
|
||
├─ pm2 restart.sh
|
||
├─ pm2 start.bat
|
||
├─ pm2 start.sh
|
||
├─ pm2 stop.bat
|
||
├─ pm2 stop.sh
|
||
└─ README.md // 项目自述文件
|
||
```
|
||
|
||
|
||
|
||
### data 目录结构
|
||
|
||
data 文件夹下的目录结构如下
|
||
|
||
```bash
|
||
data
|
||
├─ bilibili-hotband
|
||
│ ├─ final / origin
|
||
│ │ └─ xxxx // 年
|
||
│ │ └─ xx // 月
|
||
│ │ └─ xx // 日
|
||
│ │ ├─ xxxxxxxx_xxxx.min.json // 年月日_时分秒.min.json
|
||
│ └─ latest.json // 最新的json文件
|
||
├─ bilibili-rank
|
||
│ ├─ origin
|
||
│ │ └─ xxxx // 年
|
||
│ │ └─ xx // 月
|
||
│ │ └─ xx // 日
|
||
│ │ ├─ xxxxxxxx_xxxx.min.json // 年月日_时分秒.min.json
|
||
│ └─ latest.json // 最新的json文件
|
||
└─ weibo-hotband
|
||
├─ origin / final / simplify
|
||
│ └─ xxxx // 年
|
||
│ └─ xx // 月
|
||
│ └─ xx // 日
|
||
│ ├─ xxxxxxxx_xxxx.min.json // 年月日_时分秒.min.json
|
||
├─ regulation
|
||
│ └─ xxxx // 年
|
||
│ └─ xx // 月
|
||
│ └─ xx // 日
|
||
│ ├─ xxxxxxxx_xxxx.json // 年月日_时分秒.json
|
||
└─ latest.json // 最新的json文件
|
||
```
|
||
|
||
|
||
|
||
### 题外话：怎么生成目录结构？
|
||
|
||
> 有很多小伙伴在问像上方的目录结构是如何生成的，这里跟大家说下：
|
||
>
|
||
> 1. Windows 下可以通过 `tree` 命令来生成，例如：
|
||
>
|
||
> ```bash
|
||
> tree /f > xxx.txt
|
||
> ```
|
||
>
|
||
> 2. 使用 VS Code 插件
|
||
>
|
||
> 我使用的是 [tree-generator](https://marketplace.visualstudio.com/items?itemName=xboxyan.tree-generator) 这个插件，安装之后直接在文件夹上右键即可生成
|
||
>
|
||
> 3. 另外还有一些其他方法也可以生成，大家可以自己探索。
|