复工的第一天，你去上班，刚到办公室，大BOSS为了蹭热点，宣传自己的产品说：小王，把中发布的与疫情相关的数据都给我搜集过来，给报告组做个分析报告发布出去。这时，你该如何获取这些数据呢？
那么采集有哪些流程呢？
那我们首先分析一下的采集方式有哪些？
1：基于搜狗
2019年4月份以前，能够查询最近发布的十条文章。但是，四月份时，历史信息的暂时下线了。但是关键词搜索结果中可以过滤某个的文章，同时可以搜索某一时间段内容的文章。
2019年八月初，搜狗把过滤和时间过滤，也给屏蔽了，搜狗搜索对于采集来说，彻底失去了意义。因为，搜索结果没有办法按时间排序，列表中绝大部分都是历史信息，有的甚至是几年前的数据，而且在不登录的情况下只能查看10页，即使登陆了，也只能查看100页。最新信息能有几条？
2：基于网页版
基于网页版的采集，一般情况下就是使用itchat插件进行脚本的开发，从而获取的相关数据，但是该方式对号有一定的限制，必须是老号(至少是2017年10月份以前注册的)，且能够登陆网页版。
同时，也要注意封号的情况，我做测试时，就导致自己使用的号被封了。苦逼....
由于现在使用网页版的人很少，网页版有可能会停止更新，更甚者停止服务。所以，也存在极大的风险。
3：基于AnyProxy代理
AnyProxy是一个开放式的HTTP代理服务器，官方文档可以在GitHub上找到，它具有以下特性：
基于Node.js，开放二次开发能力，允许自定义请求处理逻辑 支持Https的解析 提供GUI界面，用以观察请求要使用这种方式，必须有一台联网的电脑，该电脑上安装好AnyProxy需要的所有环境，配置好参数启动AnyProxy代理服务器。所在的手机通过WiFi连接到该电脑上即可。
这种方式可以采集自动推送的文章，如果要采集某个的历史文章，那就需要到的历史页，人工向下滑动加载数据。如果是大批量的历史文章，那就需要写个脚本自动滑动了。
4：基于XPosed插件
这种方式就需要我们Xposed Hook了，通过这种方式，我们可以实时的接收推送的数据，并能将其发送到对应的接口进行保存。如果你要大批量的采集，比如几千、几万或者几十万，那这种方式是目前来说最稳定、最高效、最容易运维等方式。
但是这种方式有一个最大的缺点，前期投入较大。一个号只能关注999个，如果你要关注一万一个，就需要10部手机，而且手机还不能是三五百的便宜货，否则运维会很麻烦。所以采集一万个的硬件投入大概如下： 1200(10部手机)+500(10个过了养号期的号)+120(10个USB口的转换头)+50(十卡位的支架用于放手机)+120(无线路由)=1990元；
这是最基本的投入，如果数据量更大的话，硬件的投入大致可以按上述费用乘以比例，然后总费用*85%来计算。这种方式在运维中需要注意的是：
网络必须要稳定； 每天至少需要查看3~5次，看是否卡死 定期清理手机垃圾其中网络是最重要的因素，如果网络不好，很容易造成加载数据时卡死。如果是大批量采集时，所有的手机最好不要连接同一个WiFi(对外IP不能是一个)，否则容易导致号异常。
为了保证采集能够稳定，同时需要预留一些号，为了防止一些使用的号异常时，马上有号能替补上。
5：基于PC端
这种方式，可以用于采集，也可以用于关键词搜索，不过相对来说，作为关键词搜索的一种采集方式应该是最合适的。比较有三几千万，我们不可能全部监测到，为了能够较快的获取我们相关的数据，使用重点实时监测+关键词搜索的方式应该是最合适的。
基于PC端的关键词搜索，先前写过一篇文章，大家可以去看看。
现在你找到大BOSS交给你的任务，如何去解决了吗？哈哈.....