事实:自媒体素材平台有哪些？这里的内容够你用很久

　　事实:自媒体素材平台有哪些？这里的内容够你用很久

　　自媒体素材平台有哪些？这里的内容足够你使用很久了。当你在自媒体平台上创作内容时，总会有陷入瓶颈期的时候，做自媒体不仅仅是做内容。是时候发布了。

　　最近总有读者问我哪些自媒体素材平台比较靠谱，因为采集

素材是一件很麻烦的事情，也是最费时费力的事情。如果您快速采集

材料，您可能可以在一两个小时内创建内容。如果你慢一点，时间就会无限延长，更长的时间也是可以的。

　　如何采集

自媒体素材？

" />

　　第一个：亦传素材平台

　　我相信每个人都应该知道这个平台。很多人认为它只是做原创测试。其实它还可以采集自媒体素材，采集文章和视频素材，过滤自媒体平台和发布时间。如果要下载更多素材的话，也可以批量下载。

　　第二：聚焦热点平台

　　热点平台就像那些微博热搜榜、百度风云榜，都是实时更新的。不管作者在哪个领域，最好关注这两个平台，因为热点的流量还是很大的，如果你的内容正好撞上了热点，那么收入也会增加。对于本素材，您只需点击关键词即可看到大量类似内容。

" />

　　第三种：直接搜索关键词

　　这种方法也比较简单快捷。如果你有好的题目，可以直接在搜索引擎上搜索相关的关键词，然后直接找到素材。这种方式对于那些已经想好了话题框架的自媒体人来说，这种方式的创作会快很多。

　　第四：知乎

　　知乎也算是一个素材比较多的平台。知乎是一个问答网站。里面有各种奇怪的问题。搜索一下，说不定会有意想不到的灵感，再用蚂蚁小二一键分发内容，同样省时省力。

　　真相:如何从新闻中识别骗子们的小套路

　　*原作者：西交边MR，本文属于FreeBuf原创打赏计划，未经允许禁止转载

　　电信诈骗猖獗，已成为国家重点打击的对象，但亲友被骗的悲剧仍时有发生。笔者认为，或许可以从新闻中提炼出电信诈骗的特征信息，提醒家中的长辈和亲人，做到防患于未然。

　　笔者以某新闻网站为平台，对电信诈骗相关新闻进行了提取分析，试图从获取的信息中分析出诈骗者的小“套路”。（PS：我曾经写过一篇文章，希望能给大家提供一个从新闻中建立模型的思路，不足之处请指正）

　　1.开始采集

　　获取信息，当然需要爬虫。这是我使用的库：

　　笔者首先浏览了一个大型网站，在搜索栏中搜索了关于电信诈骗的新闻报道，但是在翻页过程中其url似乎没有变化，firefox也没有看到post和get。

　　但是看了他那个页码的链接，还是有点激动，因为它的url里面收录

了totalPage=63&pageNum=2这两个内容，所以自己写url吧。

　　Beautifulsoup 是一个强大的库，这里我从属性 a 获取源代码中的链接。至于request库，笔者发现urlopen打开的网站源码和requests+header的内容不一样，requests返回的网站源码更完整。

　　接下来的步骤和上面的方法类似，然后采集

每个网站中的所有链接，写成一个列表，然后我们需要分析我们需要的网站的url的特征，使用正则表达式来获取链接, 并粘贴以下代码：

　　拿到链接后，我们就可以浏览新闻了，应该也能得到新闻信息。

" />

　　新闻有上万种类型，有图，无图，有视频，无视频，文中有图片链接，还有一大堆段落属性。当我读到它时，我真的很难过。让我们先抓住它并谈论它。

　　笔者观察网站后，将其分为四类，有的是两张图片夹着文字，有的是纯文本等。笔者根据这些内容，使用Beautifulsoup对所有内容进行了爬取（Beautifulsoup实在是太强大了，强行安利一下）。当然，爬取的文本也是看不见的。幸运的是，我们只需要中文内容和数字。

　　然后是正则表达式，因为用的是gbk编码，所以pattern=[0-9\x80-\xff]+，如果是utf-8就是pattern=[0-9\u4e00-\u9fa5]+，下面贴上代码：（PS：大家使用的时候一定要注意编码类型，这个很烦人。）

　　由于一些需要，我还获取了文本的标题、作者、hash等。大家可以根据自己的需要爬取相应的内容。

　　2.下来提取关键词

　　为什么 python 是一种非常有用的脚本语言？因为集成了很多库，这里给大家介绍一下jieba的中文分词词库。点击阅读原文获取其地址。

　　pip install jieba pip install jieba.analyse 这里笔者使用了jieba.analyse.extract_tags(a,topK=10)函数，a为文本内容的str变量，topK中出现频率较高的10个词，全部输入可用关键字列表，并粘贴源代码：

　　python好用怎么样

　　3. 关键词处理

　　我们获得了每篇文章的top10关键词，小作者目前正在看《Python自然语言处理》这本书。

" />

　　此处解释了文本功能。笔者认为，无论诈骗情况多么逼真，与真实情况总会有差异。例如，某些词的出现频率和位置会与普通文本不同，因此作者尝试对关键词的出现频率进行处理。

　　我们之前获取的关键字是一个列表，里面有很多重复的词，所以我们需要先将列表转换为设置格式

　　例如：

　　<p>keyword1 = set(keyword)

　　result = {}

　　for key in keyword1:

　　count = keyword.count(key)

　　result[key] = count</p>

　　如果你使用的是 python2.7，你可以

　　from 采集

s import Counter，然后：

　　作者暂时只写到这里。您还可以根据需要从文本中获取关键词的位置、类型、逻辑关系，构建诈骗类文本特征库。当然，这些都是另外一回事了。

　　笔者目前正在朝这个方向努力。希望笔者能为大家提供处理电信诈骗*敏*感*词*的思路，与大家交流学习。（PS：一定要注意编码！！！）

　　最后贴上我自己的结果：

　　年未过，笔者在此也祝大家新年快乐，多多阅读Freebuf，涨知识。

　　*原作者：西交边MR，本文属于FreeBuf原创打赏计划，未经允许禁止转载