update

README.md

@@ -1,118 +1,83 @@
-小年糕爬虫
-
-python==3.10
-loguru==0.6.0
-oss2==2.15.0
-requests==2.27.1
-urllib3==1.26.9
-
-执行入口:
-
-1.cd ./crawler-xiaoniangao
-
-2.python3 ./main/run_xx.py
-
-
-==========2022/7/06===========
-
-新增:用户主页抓取视频
-
-1.发布时间 72 小时内
-
-2.播放量 >= 2000
-
-3.时长 >= 1 分钟
-
-4.抓取间隔时长: 1 小时
-
-
-
-==========2022/6/29===========
-
-已下载视频表:预留前 5 列备用
-
-已下载视频表增加列:站内视频链接
-
-已下载视频，同步信息至监控表:https://w42nne6hzg.feishu.cn/sheets/shtcnlZWYazInhf7Z60jkbLRJyd?sheet=6fed97
-
-
-
-==========2022/6/17==========
-
-小时榜抓取基础规则：
-
-1.时长>=40s
-
-2.发布时间<=10天
-
-3.播放量>=4000
-
-4.过滤无效视频（标题、ID、时长等为空）
-
-5.过滤敏感词库
-
-6.从已下载表中去重
-
-7.从小时榜表中去重
-
-小时榜更新规则：
-
-1.抓取时间<=2天
-
-2.每天 10、15、20 点更新播放量的差值（上升榜中写入的数据：当前播放量 - 上个时间段的播放量）
-
-小时榜下载规则：
-
-1.抓取时间<=3天
-
-2.视频时长>=40s
-
-3.任意时间段播放量上升>=5000 或 连续两个时间段播放量上升>=2000
-
-
-关注榜抓取基础规则：
-
-1.时长>=40s
-
-2.发布时间<=2天
-
-3.播放量>=5000
-
-关注榜下载规则：
-
-1.过滤无效视频（标题、ID、时长等为空）
-
-2.过滤敏感词库
-
-3.从已下载表中去重
-
-
-上传视频时，info.txt文件中的视频信息包含：
-
-str(download_video_id)
-
-str(download_video_title)
-
-str(download_video_duration)
-
-str(download_video_play_cnt)
-
-str(download_video_comment_cnt)
-
-str(download_video_like_cnt)
-
-str(download_video_share_cnt)
-
-str(download_video_resolution)
-
-str(download_video_send_time)
-
-str(download_user_name)
-
-str(download_head_url)
-
-str(download_video_url)
-
-str(download_cover_url)
-
-str(download_video_session)
+# 小年糕爬虫
+
+
+#### 文档
+
+1. GIT: https://git.yishihui.com/Server/crawler-xiaoniangao.git
+2. 云文档: https://w42nne6hzg.feishu.cn/sheets/shtcnYxiyQ1wLklo1W5Kdqc9cGh?sheetyatRv2
+
+
+#### 软件架构
+
+1. ffmpeg1.4
+2. ffmpeg_python0.2.0
+3. loguru0.6.0
+4. oss22.15.0
+5. requests2.27.1
+6. urllib31.26.9
+7. python3.10
+
+
+#### 使用说明
+
+1. cd ./crawler_xiaoniangao
+2. python3 main/run_recommend.py 
+3. python3 main/run_person.py
+
+
+#### 需求 
+
+2022/9/5
+1. 修复个人主页抓取无权限写入飞书文档的问题
+2. 小时榜下载规则修改:播放量>=10W -> 播放量>=5W
+
+2022/7/06 新增:用户主页抓取视频
+1. 发布时间 72 小时内 
+2. 播放量 > 2000 
+3. 时长 > 1 分钟 
+4. 抓取间隔时长: 1 小时
+
+2022/6/29 
+1. 已下载视频表:预留前 5 列备用 
+2. 已下载视频表增加列:站内视频链接 
+3. 已下载视频，同步信息至监控表:https://w42nne6hzg.feishu.cn/sheets/shtcnlZWYazInhf7Z60jkbLRJyd?sheet6fed97
+
+2022/6/17 
+1. 小时榜抓取基础规则
+   1. 时长>40s
+   2. 发布时间<10天
+   3. 播放量>4000
+   4. 过滤无效视频（标题、ID、时长等为空）
+   5. 过滤敏感词库
+   6. 从已下载表中去重
+   7. 从小时榜表中去重
+2. 小时榜更新规则：
+   1. 抓取时间<2天
+   2. 每天 10、15、20 点更新播放量的差值（上升榜中写入的数据：当前播放量 - 上个时间段的播放量）
+3. 小时榜下载规则
+   1. 抓取时间<3天
+   2. 视频时长>40s
+   3. 任意时间段播放量上升>5000 或 连续两个时间段播放量上升>2000
+4. 关注榜抓取基础规则
+   1. 时长>40s
+   2. 发布时间<2天
+   3. 播放量>5000
+5. 关注榜下载规则
+   1. 过滤无效视频（标题、ID、时长等为空）
+   2. 过滤敏感词库
+   3. 从已下载表中去重
+6. 上传视频时，info.txt文件中的视频信息包含
+   1. str(download_video_id)
+   2. str(download_video_title)
+   3. str(download_video_duration)
+   4. str(download_video_play_cnt)
+   5. str(download_video_comment_cnt)
+   6. str(download_video_like_cnt)
+   7. str(download_video_share_cnt)
+   8. str(download_video_resolution)
+   9. str(download_video_send_time)
+   10. str(download_user_name)
+   11. str(download_head_url)
+   12. str(download_video_url)
+   13. str(download_cover_url)
+   14. str(download_video_session)

main/run_follow_list.py

@@ -10,7 +10,7 @@ import time
 
 sys.path.append(os.getcwd())
 from main.common import Common
-from main.follow_list import Follow
+from main.xiaoniangao_follow_list import Follow
 
 
 def follow_job():

main/run_hour_list.py

@@ -7,7 +7,7 @@ import sys
 import time
 sys.path.append(os.getcwd())
 from main.common import Common
-from main.hour_list import HourList
+from main.xiaoniangao_hour_list import HourList
 
 
 def hour_list_job():

main/run_person_list.py

@@ -7,7 +7,7 @@ import sys
 import time
 sys.path.append(os.getcwd())
 from main.common import Common
-from main.person_list import Person
+from main.xiaoniangao_person_list import Person
 
 
 class Main: