新浪微博上有个“悄悄关注”,一个用户悄悄关注的人,不出现在这个用户的关注列表上,但系统会推送其悄悄关注的人发表的微博给该用户。现在我们来做一回网络侦探,根据某人的关注列表和其对其他用户的点赞情况,扒出有可能被其悄悄关注的人。
时间: 2023-06-05 17:47:17 浏览: 173
根据该人的关注列表和点赞情况,可以推测出他可能对哪些用户比较感兴趣。然后通过观察这些用户的微博,看看是否有一些微博经常被该人点赞或者评论,但是却没有出现在他的关注列表中,这些用户就有可能是他的悄悄关注对象。另外,还可以通过观察该人的私信记录,看看是否有一些和他没有关注关系的用户经常给他发私信,这些用户也有可能是他的悄悄关注对象。但是需要注意的是,这只是一种猜测,不能确定这些用户就一定是他的悄悄关注对象。
相关问题
数据采集新浪微博用户信息采集
要采集新浪微博用户信息,需要经过以下几个步骤:
1. 登录新浪微博,获取cookies。
2. 根据用户的昵称或用户id构造url,获取用户微博首页的页面源码。
3. 解析页面,获取用户信息。
以下是一个简单的采集新浪微博用户信息的示例代码:
```python
import requests
from bs4 import BeautifulSoup
# 登录新浪微博,获取cookies
login_url = 'https://passport.weibo.cn/signin/login'
data = {
'username': 'your_username',
'password': 'your_password',
'savestate': '1',
'entry': 'mweibo',
'mainpageflag': '1',
}
response = requests.post(login_url, data=data)
cookies = response.cookies
# 获取用户微博首页的页面源码
user_url = 'https://m.weibo.cn/profile/123456789' # 将123456789替换为要采集的用户id
response = requests.get(user_url, cookies=cookies)
html = response.text
# 解析页面,获取用户信息
soup = BeautifulSoup(html, 'html.parser')
user_info = {}
user_info['user_id'] = soup.find('div', class_='name').text
user_info['user_name'] = soup.find('div', class_='username').text
user_info['user_gender'] = soup.find('div', class_='gender').text
user_info['user_description'] = soup.find('div', class_='description').text
print(user_info)
```
注意:在实际使用中,需要注意反爬虫措施,例如设置请求头、延时等。此外,爬取用户信息需要登录后才能获取,需要提前准备好新浪微博账号和密码。
王鲁飞. 基于新浪微博数据的处理与用户行为分析[d].北京:北京交通大学,2016.
《基于新浪微博数据的处理与用户行为分析》是王鲁飞在2016年所著的一本书籍。该书主要探讨了如何处理和分析基于新浪微博的大数据,并对用户行为进行深入分析。
首先,《基于新浪微博数据的处理与用户行为分析》对新浪微博数据进行了详细的处理和整理。作者介绍了如何使用相关的技术和工具来从庞大的微博数据中提取有价值的信息,并将其进行有效的分类和分析。通过对数据的处理,读者可以更好地理解新浪微博平台上的用户行为。
其次,书中对用户行为进行了全面深入的分析。王鲁飞通过对微博中的用户行为模式及其影响因素进行研究,揭示了微博用户的行为特征和规律。此外,作者还探讨了用户行为与社会网络的关系,分析了不同用户类型对微博传播的影响。
《基于新浪微博数据的处理与用户行为分析》还介绍了一些基于数据分析的应用案例。作者通过具体的实例,展示了如何利用新浪微博数据分析结果,从而实现个性化推荐、舆情监测、社会网络分析等应用。
总的来说,这本书系统地介绍了基于新浪微博数据的处理方法和用户行为分析的相关知识。它对于研究者、数据分析师以及对社交媒体研究感兴趣的读者都有很大的参考价值。