基于網(wǎng)絡(luò)爬蟲的網(wǎng)絡(luò)平臺(tái)用戶數(shù)據(jù)獲取與分析

李世杰 高雅蓉

摘要：社交網(wǎng)絡(luò)平臺(tái)擁有海量的用戶數(shù)據(jù)，為了更好地實(shí)現(xiàn)這些數(shù)據(jù)的價(jià)值，設(shè)計(jì)了一個(gè)基于Java的網(wǎng)絡(luò)爬蟲系統(tǒng)，用來獲取和分析某大型社交網(wǎng)絡(luò)平臺(tái)上的用戶數(shù)據(jù)。該系統(tǒng)通過特定用戶的URL來獲取基本信息，不斷裂變獲取相關(guān)用戶的數(shù)據(jù)信息。同時(shí)將該用戶信息以記錄的形式存儲(chǔ)在用戶明細(xì)表中，利用系統(tǒng)對(duì)記錄信息的分析，得出不同類別的圖表分析圖，并直觀地進(jìn)行展示。該系統(tǒng)具有針對(duì)性強(qiáng)、數(shù)據(jù)采集速度快和分析結(jié)果直觀等優(yōu)點(diǎn)，為社會(huì)關(guān)系和輿情分析等研究提供了新方法。

關(guān)鍵詞：網(wǎng)絡(luò)爬蟲；用戶數(shù)據(jù)；Java；裂變

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-1739（2020）01-68-4

0引言

近年來，社交網(wǎng)絡(luò)平臺(tái)的發(fā)展極為迅速，目前已經(jīng)出現(xiàn)多個(gè)用戶突破1億的平臺(tái)，擁有非常龐大的用戶數(shù)據(jù)，所以有效獲取和分析這些數(shù)據(jù)對(duì)于研究人類社會(huì)和經(jīng)濟(jì)的潛在規(guī)律至關(guān)重要。傳統(tǒng)的數(shù)據(jù)收集是通過搜索引擎來進(jìn)行的，但是對(duì)具體平臺(tái)進(jìn)行特定數(shù)據(jù)抓取時(shí)，通過搜索引擎就無法有效完成，需要設(shè)計(jì)專門的網(wǎng)絡(luò)爬蟲系統(tǒng)來獲取特定數(shù)據(jù)。Python語言常被用于爬蟲程序編寫，但相比Java而言，Python的執(zhí)行效率低，而且Java語言對(duì)多線程的支持更加完善[1]。針對(duì)某大型社交網(wǎng)絡(luò)平臺(tái)設(shè)計(jì)了基于Java語言的網(wǎng)絡(luò)爬蟲系統(tǒng)，爬取該平臺(tái)用戶的相關(guān)信息。同時(shí)為了更好地進(jìn)行數(shù)據(jù)分析，系統(tǒng)可以從多角度對(duì)所獲得的用戶數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，并以直觀的圖表形式呈現(xiàn)。

1網(wǎng)絡(luò)爬蟲技術(shù)

網(wǎng)絡(luò)爬蟲技術(shù)是數(shù)據(jù)信息采集的常用手段，由于其自動(dòng)化、拓展性強(qiáng)和開發(fā)相對(duì)簡單等優(yōu)勢(shì)，被普遍應(yīng)用于各行各業(yè)的數(shù)據(jù)模型分析[2]。通過網(wǎng)頁的鏈接地址，獲取其中傳遞的數(shù)據(jù)信息，自動(dòng)檢索頁面數(shù)據(jù)模型，根據(jù)定義好的字段篩選數(shù)據(jù)獲得數(shù)據(jù)資源。網(wǎng)絡(luò)爬蟲將每一條鏈接存儲(chǔ)在隊(duì)列中，一個(gè)個(gè)調(diào)用，當(dāng)鏈接被使用后自動(dòng)廢棄，同時(shí)將每條鏈接上爬取的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫中，供用戶使用。

通過算法來優(yōu)化數(shù)據(jù)爬取的方式，如廣度優(yōu)先搜索策略，以最短的路徑爬取深層次的資源數(shù)據(jù)，減少數(shù)據(jù)搜集成本[3]。具體過程是首先確定少部分URL作為子結(jié)點(diǎn)，存儲(chǔ)在待抓取的URL隊(duì)列中，然后到對(duì)應(yīng)的URL站點(diǎn)下載相應(yīng)的頁面數(shù)據(jù)信息，當(dāng)這些URL被抓取成功后，把它們放入已經(jīng)抓取的URL隊(duì)列中，然后再抽出新的鏈接地址，進(jìn)行頁面數(shù)據(jù)挖掘。流程如圖1所示。

2 WebMagic

WebMagic是基于Java的一個(gè)爬蟲框架，核心部分主要是爬蟲的具體邏輯實(shí)現(xiàn)，除此以外還有一部分拓展功能，幫助用戶實(shí)現(xiàn)個(gè)性化需求[4]。WebMagicp爬蟲框架主要有四大組件，由Spider進(jìn)行串聯(lián)，網(wǎng)絡(luò)爬蟲中的下載、處理和管理等功能都是由四大組件來負(fù)責(zé)，彼此之間交叉聯(lián)系，整體功能設(shè)計(jì)更趨向流程化的規(guī)范[5]。而Spider可以被認(rèn)為是該框架的一個(gè)大容器，保存最核心的模塊。

3反反爬蟲機(jī)制

為了防止用戶數(shù)據(jù)被用于非法用途，許多網(wǎng)站都采取反爬機(jī)制，阻止別人批量獲取網(wǎng)站信息，并且反爬機(jī)制也在不斷完善。為了能夠成功獲取平臺(tái)上的用戶數(shù)據(jù)，提出以下幾種反反爬策略：

①動(dòng)態(tài)更改user-agent，通過用戶代理讓服務(wù)器認(rèn)為每次請(qǐng)求是來自不同的瀏覽器。

②通過獲取一定數(shù)量的代理IP地址，達(dá)到每次請(qǐng)求連接服務(wù)器都是來自不同的IP地址的目的，這樣可以迷惑服務(wù)器，讓服務(wù)器無法確定具體的訪問IP[6]。

③對(duì)系統(tǒng)的數(shù)據(jù)爬取頻率過快的話，容易造成賬戶被封禁，所以要對(duì)爬取速率進(jìn)行控制[7]。

④建立并維護(hù)cookie池，所以更保險(xiǎn)的方法是多獲取幾個(gè)cookie，每次請(qǐng)求隨機(jī)設(shè)定一個(gè)cookie[8]。

4系統(tǒng)實(shí)現(xiàn)

本文所設(shè)計(jì)的爬蟲系統(tǒng)是針對(duì)社交網(wǎng)絡(luò)平臺(tái)的用戶數(shù)據(jù)，目的是對(duì)用戶個(gè)人數(shù)據(jù)的獲取與分析。實(shí)現(xiàn)過程是以一個(gè)用戶為基準(zhǔn)，然后不斷進(jìn)行裂變，再對(duì)所爬取數(shù)據(jù)統(tǒng)計(jì)以直觀圖的形式呈現(xiàn)，進(jìn)而得到有效合理的分析，系統(tǒng)框架流程圖如圖2所示。

從圖3可以看出，系統(tǒng)可以有效地爬取社交網(wǎng)絡(luò)平臺(tái)用戶的各項(xiàng)數(shù)據(jù)，包括性別、地域、從事行業(yè)以及畢業(yè)學(xué)校等信息，而且信息都清楚地進(jìn)行分類展示，為下一步數(shù)據(jù)分析提供了極大的便利。

4.4對(duì)用戶數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析

由于獲取到的數(shù)據(jù)龐大且復(fù)雜，為了更好地進(jìn)行數(shù)據(jù)分析，系統(tǒng)可以從多角度對(duì)所獲得的用戶數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，比如男女比例、地域分布和從事的行業(yè)等，并以直觀的圖表形式呈現(xiàn)，以性別為例，如圖4所示。

通過數(shù)據(jù)結(jié)果可以看出，目前該社交網(wǎng)絡(luò)平臺(tái)的大部分用戶在北上兩地，男性居多，行業(yè)都是目前主流的行當(dāng)，例如互聯(lián)網(wǎng)、金融及計(jì)算機(jī)等，同時(shí)人群的普遍學(xué)歷較高。這些數(shù)據(jù)可以作為該社交網(wǎng)絡(luò)平臺(tái)發(fā)布廣告的一個(gè)側(cè)重點(diǎn)，發(fā)布符合年輕化、學(xué)歷高并且處于熱門的一些廣告內(nèi)容，同時(shí)一些大數(shù)據(jù)分析公司可以借此獲取更多的數(shù)據(jù)，進(jìn)而分析當(dāng)前年輕人的喜好，為用戶提供更精準(zhǔn)和優(yōu)質(zhì)的服務(wù)。

5結(jié)束語

本文研究網(wǎng)絡(luò)爬蟲的廣度優(yōu)先搜索策略，通過一個(gè)用戶的關(guān)注信息來裂變，不斷進(jìn)行新用戶的數(shù)據(jù)信息挖掘，并利用Java語言實(shí)現(xiàn)對(duì)社交網(wǎng)絡(luò)平臺(tái)用戶數(shù)據(jù)的獲取和分析。通過獲取到的該平臺(tái)用戶信息，包括男女比例、地域分布以及學(xué)歷程度等，不僅可以作為社交網(wǎng)絡(luò)平臺(tái)對(duì)其用戶精準(zhǔn)定位，提供更優(yōu)質(zhì)服務(wù)，同時(shí)可以為一些大數(shù)據(jù)分析公司服務(wù)，為輿情分析和促進(jìn)社會(huì)關(guān)系等研究提供便利。

參考文獻(xiàn)

[1]邵曉文.多線程并發(fā)網(wǎng)絡(luò)爬蟲的設(shè)計(jì)與實(shí)現(xiàn)[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版），2019（1）：97-100.

[2]蔡創(chuàng).計(jì)算機(jī)軟件開發(fā)中JAVA編程語言的分析和思考[J].信息技術(shù)與信息化，2017（12）：80-81.

[3] HERNANDEZI， RIVERO CR， RUIZD， et al. AnArchitecture for Efficient Web Crawling[J].Lecture Notes in Business Information Processing，2012： 228-234.

[4] RAFAEL P L，PEDRO B V，OTTO C M B.A Generalized Bloom Filter to Secure Distributed Network Applications[J]. Computer Networks，2011， 55（8）：1804-1819.

[5] KAUSAR M A，DHAKA V S，SINGH S K.Web Crawler：A Review[J].International Journal of Computer Applications， 2013，63（2）：31-36.

[6]羅咪.基于Python的新浪微博用戶數(shù)據(jù)獲取技術(shù)[J].電子世界，2018（5）：138-139.

[7] FAN Y.Design and Implementation of Distributed Crawler System Based on Scrapy[J].Journal of Hubei University for Nationalities，2017：78-85.

[8]董博，翀李，劉學(xué)敏，等.基于爬蟲的數(shù)據(jù)監(jiān)控系統(tǒng)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2017，26（10）：53-60.