docs: update README.md

This commit is contained in:
Relakkes 2023-12-23 01:41:19 +08:00
parent aba9f14f50
commit 9785abba5d
1 changed files with 23 additions and 21 deletions

View File

@ -8,7 +8,7 @@
目前能抓取小红书、抖音、快手、B站的视频、图片、评论、点赞、转发等信息。
原理:利用[playwright](https://playwright.dev/)搭桥保留登录成功后的上下文浏览器环境通过执行JS表达式获取一些加密参数
通过使用此方式免去了复现核心加密JS代码逆向难度大大降低
通过使用此方式免去了复现核心加密JS代码逆向难度大大降低
爬虫技术交流群:[949715256](http://qm.qq.com/cgi-bin/qm/qr?_wv=1027&k=NFz-oY7Pek3gpG5zbLJFHARlB8lKL94f&authKey=FlxIQK99Uu90wddNV5W%2FBga6T6lXU5BRqyTTc26f2P2ZK5OW%2BDhHp7MwviX%2BbrPa&noverify=0&group_code=949715256),同时欢迎大家贡献代码提交PR
@ -29,48 +29,50 @@
## 使用方法
1. 创建 python 虚拟环境
```shell
### 创建并激活 python 虚拟环境
```shell
# 进入项目根目录
cd MediaCrawler
# 创建虚拟环境
python3 -m venv venv
# macos & linux 激活虚拟环境
source venv/bin/activate
# windows 激活虚拟环境
venv\Scripts\activate
```
2. 安装依赖库
### 安装依赖库
```shell
pip install -r requirements.txt
pip3 install -r requirements.txt
```
3. 安装playwright浏览器驱动
### 安装 playwright浏览器驱动
```shell
playwright install
```
4. 是否保存数据到DB中
如果选择开启,则需要配置数据库连接信息,`config/db_config.py` 中的 `IS_SAVED_DATABASED`和`RELATION_DB_URL` 变量。然后执行以下命令初始化数据库信息,生成相关的数据库表结构:
```shell
python db.py
```
5. 运行爬虫程序
### 运行爬虫程序
```shell
# 从配置文件中读取关键词搜索相关的帖子并爬去帖子信息与评论
python main.py --platform xhs --lt qrcode --type search
python3 main.py --platform xhs --lt qrcode --type search
# 从配置文件中读取指定的帖子ID列表获取指定帖子的信息与评论信息
python main.py --platform xhs --lt qrcode --type detail
python3 main.py --platform xhs --lt qrcode --type detail
# 其他平台爬虫使用示例, 执行下面的命令查看
python3 main.py --help
python3 main.py --help
```
6. 打开对应APP扫二维码登录
打开对应APP扫二维码登录
7. 等待爬虫程序执行完毕,数据会保存到 `data/xhs` 目录下
等待爬虫程序执行完毕,数据会保存到 `data/xhs` 目录下
## 如何使用 IP 代理
➡️➡️➡️ [IP代理使用方法](docs/代理使用.md)