标签:style blog color os ar sp strong 文件 数据
最近因为《信息检索》第二个project,需要爬取微博数据,然后再处理。师兄给了代码,让慢慢爬,但是在ubuntu下,少了很多python软件包。需要安装。
1.首先运行时,说少了python,BeautifulSoup包,用来解析html文件神奇,这么重要的包怎么能缺少呢,百度ubuntu python BeautifulSoup后,看博客后找到方法:
先安装easy_install工具:
再用easy_install安装:
easy_install BeautifulSoup
若是还没有安装easy_install,在ubuntu下,会自动提示按怎样的命令去安装。
2.继续运行,说是缺少rsa包,想到是师兄在pdf文档里提到用pip安装一些通过pip按张rsa。运行:
pip install -r requirements.txt #不行,需要在root权限,换 sudo pip install -r requirements.txt
安装成功,执行源代码,可行。
3.另外的话,缺少display的话,用来展示验证码的。通过以下命令安装:
sudo apt-get install imagemagick
若是不能安装display的话,注释掉weibo/crawler/toolkit/accountlib.py第178行变量proc和第182行proc.kill()
#proc = subprocess.Popen(['display', filename]) #第178行 self.loginpostdata['pcid'] = pcid self.loginpostdata['door'] = raw_input(u'请输入验证码:') os.remove(filename) #proc.kill() #第182行
但与之相对的,在运行时,需要在文件夹里打开抓取的验证码图片,在终端手动输入验证码。
4.有的时候在抓取文件,但是没有下载,坑爹,没想到这问题,还没解析代码就那么运行着,还以为已经在抓取呢。在自己的笔记本centos6.5下抓取的时候甚是麻烦而且没成功。换了实验室里ubuntu14.04.1LTS版本,改好了一下参数终于在怕去数据了,下一步要分析数据,进行后续任务了。
Ubuntu下python的BeautifulSoup和rsa安装方法
标签:style blog color os ar sp strong 文件 数据
原文地址:http://blog.csdn.net/u010454729/article/details/40656087