【波组数字通识教育第四期】如何保住一个小组的内容

这是你的小组，你很喜欢里面在触摸的各位。不幸的是，他们在触摸，而他们的帖子乃至你喜欢的小组迟早会被爆破。而根据这篇发表于2021年8月13日的报告，你组仅4天内就有39条帖子被删除。如何保住你喜欢的小组的内容？

初始化

你需要在这里下载被我打包好的文件。如果你是开发者，可以直接使用放在这里的源代码

解压出来应该是这些文件（不包括data文件夹，它会被自动创建）

不要兴冲冲运行，而要先运行“安装playwright.bat”安装爬虫需要的依赖项。这个脚本应该会从微软的 CDN 服务器下载 playwright 和被修改后的 firefox 浏览器，用作爬虫。速度应该不会慢的。

之后就是运行那个“运行.bat”了：

按提示进行配置。小组链接必须是像示例一样单纯的链接，不应当带上后缀。如果连接不合法，程序会给出提示。

完成以后按任意键退出。

这一步产生的文件在 data 目录下，名叫config.json，删除它可重复这一个步骤（但没必要，因为之后可以选“修改配置信息”修改）

登录与优化配置（安装插件）

登录

再次运行“运行.bat”。这里应该选择第一项“更新帖子列表”，回车即可。

然后会弹出浏览器窗口，在里面按正常步骤登录好豆瓣即可：

优化配置（安装插件）

但登录好豆瓣之后别急着进行下一步，而是安装广告屏蔽插件对浏览器进行优化，否则会影响爬取速度甚至爬取成功率。登录以后除非重新登录，否则没机会安装插件了。点击如图所示按钮，然后点“Add-ons and Themes”。

在弹出的标签页中搜索“adblock plus”，这里不建议使用别的广告屏蔽插件，可能会出现bug。已知ublock origin不适用。

第一个就是了。

点进去，然后点“Add to Firefox”

点“Add”

安装成功后在右上角点击ABP图标，再点如图所示的齿轮：

然后点“add a language”

选择“中文 + English”

现在就可以了。如果想降低被检测到的概率，可以再取消“Allow acceptable ads”，然后把“Block additional tracking”打勾。最后关掉除了豆瓣以外的几个选项卡，如图所示：

回到命令行界面，选中“好了”，回车，然后会开始第一次获取帖子列表（如果已有数据会提示正在增量更新），第一次获取帖子列表十分重要，因为只有这一次会自动完整地获取一遍帖子列表，此后都不会进行相同的操作，除非手动操作或删除数据重来。获取完之后会提示“随便按一个键退出”，退出即可。

这一步安装的插件在data目录里的browserState文件夹中，不要删除，否则需要重新安装屏蔽插件。

如果此后发现需要再次登录，或者想重新安装插件，请删除data目录里的cookies.json文件，然后重复登录操作和/或安装插件操作。

日常使用

“更新帖子列表”用来更新帖子列表（废话）。

更新帖子列表后，选“获取帖子内容”来爬取帖子的内容和回复。爬取顺序为精品-普通帖，在上述前提下新帖优先。每次更新的帖子数目限制在第一步有配置。

如果想检测哪些帖子被删了，可以选择“检测帖子状态”，然后输入想检查多少页的帖子。

想修改第一步的配置，比如想爬另一个组，选“修改配置信息”，然后重复第一个步骤即可。

爬取的数据按小组分类放在data下，文件名为“data-小组号.db”，删除它会初始化该小组的爬取状态。

这样一来，你喜欢的东西就被永远地保存了下来，除了你，没有人能够毁掉。

没有人能够毁掉。