[发明专利]抓取社交媒体信息的爬虫分析方法在审
| 申请号： | 201810987325.1 | 申请日： | 2018-08-28 |
| 公开（公告）号： | CN109241387A | 公开（公告）日： | 2019-01-18 |
| 发明（设计）人： | 余锡娟 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | G06F16/953 | 分类号： | G06F16/953;G06F16/955 |
| 代理公司： | 成都虹桥专利事务所(普通合伙) 51124 | 代理人： | 李凌峰 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 评论信息 抓取 爬虫 媒体信息 文本 关键字提取 浏览器对象 准确度 解析结果 爬虫技术 信息领域 分析 实例化 数据量 解析 改进 | ||
1.抓取社交媒体信息的爬虫分析方法，其特征在于，包括以下步骤：
步骤一、实例化一个浏览器对象；
步骤二、打开待抓取的URL，定位其中的评论信息文本及评论信息文本对应的时间，对所述评论信息文本及时间进行解析；
步骤三、根据解析结果进行关键字提取。
2.如权利要求1所述的抓取社交媒体信息的爬虫分析方法，其特征在于，所述步骤一之前还包括：导入BeautifulSoup模板。
3.如权利要求1所述的抓取社交媒体信息的爬虫分析方法，其特征在于，所述步骤一中的浏览器对象为Phantomjs。
4.如权利要求1所述的抓取社交媒体信息的爬虫分析方法，其特征在于，所述步骤二打开待抓取的URL后还包括：判断是否有登陆权限，如无则进行模拟登陆。
5.如权利要求1所述的抓取社交媒体信息的爬虫分析方法，其特征在于，所述步骤二打开待抓取的URL后还包括：判断是否有获取所述时间和评论信息文本的权限，如有权限则定位时间和评论信息文本并进行解析，否则退出本轮爬取流程。
6.如权利要求1所述的抓取社交媒体信息的爬虫分析方法，其特征在于，所述步骤二中还包括：将解析结果保存到excel文档中。
7.如权利要求1所述的抓取社交媒体信息的爬虫分析方法，其特征在于，所述步骤三中关键字提取采用如下方法：
a)将所述解析结果按规则存放在多个文档中，对所有文档进行分词，保存每个词的词频；
b)遍历所有文档得到单个词的逆向文件频率；
c)根据逆向文件频率乘以词频选取排名靠前的词作为提取的关键词。
8.如权利要求7所述的抓取社交媒体信息的爬虫分析方法，其特征在于，所述规则为将一个社交媒体账号对应的解析结果保存在一个所述文档中。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810987325.1/1.html，转载请声明来源钻瓜专利网。
- 上一篇：信息搜索方法
- 下一篇：一种应用程序接口行为分析方法和系统
