利用新浪微博API的Search接口做微博锐推榜

郑昀
应用入口：
简单介绍下我们这个榜单与新浪自己的热门转发榜区别：
微博锐推榜将无视明星推名人推，更关注草根推，更关注社会民生推，屏蔽无营养推。
【利用新浪微博API的Search接口做微博锐推榜】微博锐推榜将聚合以新浪微博为首的国内各大微博网站的热门转发消息。

文章插图
1、新浪的接口
新浪微博的API提供了方法，如它的文档所示：
URL:
格式:
仅支持json
GET 是否需要登录:
true 请求数限制:
true 请求参数:
page：选填参数，页码(从1开始, 默认1)
rpp：选填参数，每页返回的微博数，默认返回10条，最大200
虽然它称“需要登录”，但实际上只要传入即可，无需登录，无需OAuth，当然不排除以后新浪强制要求都OAuth登录，不过至今也没对接口做如此要求。
2、只抓转贴
我们只需要新浪微博里的转贴记录。
计算新浪微博锐推榜，与锐推榜相同之处：
与锐推榜不同之处在于：
3、榜单计算办法
默认存储的都是原始消息的数据（正文、作者、头像、缩略图、信息指纹），扫描到的转发者仅记录名称、头像、id 。
定时统计最近4小时内信息指纹出现次数，如果次数足够多，比如5次，那么尝试获取（先数据库，后API）原始消息的转发数和评论数，如果转发数足够大，如大于40次，评论数又小于转发数，则准备上榜，做上榜前最后机器审核。
为了保持榜单的高质量，必须制定以下规则：
1、屏蔽某些原作者和转贴者的ID；
2、屏蔽某些关键词；
3、重点阻止娱乐界明星上推；
4、要求消息正文提取的标签数必须大于2，以此阻止无营养或过短的消息上榜；
5、屏蔽并尽可能识别那些刷屏聊天的，比如忽略那些转发者和原作者是同一个人的；
6、重点屏蔽星座推、生日推、节日推、找人推；
7、转发的原帖发布时间必须是最近N小时内的，防止老推翻新；
8、屏蔽某些垃圾信息源，比如：书签、分享、、优酷、土豆网、关联博客等等；
9、屏蔽那些职业转贴人，比如XX语录，XX冷笑话等等。
10、原始消息中“@”“#”等字符过多，也必须屏蔽；
4、表结构
原始资讯都存储在。榜单则存储在 MySql，方便Web访问。
5、频率
由于新浪微博对接口的轮询频率有要求，比如每小时1000次，所以我们要尽量避免轮询过快。
统计上榜消息时，会调用新浪微博API的接口，也要注意调用频率。
微博锐推榜应用网址：
[完]