crawler_gzh/README.md

微信公众号爬虫

1. git:https://git.yishihui.com/Server/crawler_gzh.git
2. 飞书:https://w42nne6hzg.feishu.cn/sheets/shtcnexNXnpDLHhARw0QdiwbYuA

软件架构

1. loguru==0.6.0
2. oss2==2.15.0
3. requests==2.27.1
4. urllib3==1.26.9
5. python==3.10

使用说明

1. cd ./crawler_gzh
2. python3 main/run_gzh.py

需求列表

2022/9/26

1. 修改抓取规则，一个个用户进行抓取/下载/上传

2022/9/23

1. 账号爬取视频时间要求：近3天发布视频
2. 只抓1条视频/人

2022/9/22

1. 账号爬取休眠时间调整：每次间隔休眠时间3--15分钟
2. 账号爬取视频时间要求：近15天发布视频

2022/8/17

1. 抓取用户主页 2021 年之后发布的视频
2. 每个用户每天抓取 10 条

2022/8/4

1. 任务开始时间: 每天早上8点-晚上21点
2. 抓取规则：
   1. 视频时长1分钟以上，20分钟以下
   2. 站内标题=公众号 视频原标题
   3. 站内封面图=公众号 视频原封面图
3. 站内承接：
   1. 每日入库100条视频
   2. 视频随机分配到5个虚拟账号, uid列表：[20631273, 20631274, 20631275, 20631276, 20631277]