说我看下面的Tumblr帖子：http://ronbarak.tumblr.com/post/40692813…
它（目前）有292个音符。
我想使用Python脚本（例如，通过urllib2，BeautifulSoup，simplejson或tumblr Api）获得所有上述注释。 一些广泛的谷歌搜索没有产生任何与Tumblr中的笔记提取相关的项目。
任何人都可以指出我在哪个工具上让我这样做的正确方向？
答案 0 :(得分：7)
不幸的是，看起来Tumblr API有一些限制（缺少关于Reblogs的元信息，注释限制为50），所以你无法获得所有笔记。
禁止根据Terms of Service进行页面抓取。
“访问或使用服务时，您不得执行以下任何操作:( ......）在未经Tumblr事先书面同意的情况下，从服务中删除服务，特别是抓取内容（定义如下）;”< / p>
来源：
https://groups.google.com/forum/?fromgroups=#!topic/tumblr-api/ktfMIdJCOmc
答案 1 :(得分：5)
如果没有JS，您将获得仅包含注释的单独页面。对于上述博客文章，第一页将是：
以下页面链接在底部，例如：
（请参阅a的{{1}}属性中的my answer on how to find the next URL。）
现在您可以使用各种工具下载/解析数据。
以下wget命令应该下载该帖子的所有备注页面：
onclick答案 2 :(得分：3)
就像法比奥所暗示的那样，最好使用API。
如果出于任何原因你不能，那么你将使用的工具将取决于你想要对帖子中的数据做什么。
Tumblr url方案很简单：url / scheme / 1，url / scheme / 2，url / scheme / 3等等......直到你到达帖子的末尾并且服务器不再返回任何数据
因此，如果您要以强制方式进行抓取，您可以轻松地告诉您的脚本将所有数据转储到您的硬盘上，直到内容标记为空。
最后一句忠告，请记住在你的脚本中放一个小睡眠（1000），因为你可能会对Tumblr服务器施加一些压力。
答案 3 :(得分：0)
how to load all notes on tumblr? 也涵盖了这个主题，但是英国的回复（上图）做得非常好。