crawler_xiaoniangao

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

==========2022/6/29===========

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)