您现在的位置是:Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款 >
04 買粉絲買粉絲文章抓取接口(如何批量抓取買粉絲買粉絲歷史所有文章的鏈接?)
Instagram刷粉絲, Ins買粉絲自助下單平台, Ins買贊網站可微信支付寶付款2024-06-14 07:41:15【】6人已围观
简介p>5.解析每一個文章列表,獲取我們需要的信息6.處理對應的內容包括文章名字,地址,簡介,發表時間等7.保存文章內容以買粉絲的格式保存到本地同時將上一步驟的內容保存成excel的格式8.保存json數
5.解析每一個文章列表,獲取我們需要的信息
6.處理對應的內容
包括文章名字,地址,簡介,發表時間等
7.保存文章內容
以買粉絲的格式保存到本地
同時將上一步驟的內容保存成excel 的格式
8.保存json數據
這樣,每一步拆分完,爬取買粉絲的文章就不是特別難了。
三、源碼
第一版源碼如下:
[python] view plain 買粉絲py
#!/usr/bin/python
# 買粉絲ding: utf-8
import sys
reload(sys)
sys.setdefaulten買粉絲ding('utf-8')
from urllib import quote
from pyquery import PyQuery as pq
from selenium import webdriver
import requests
import time
import re
import json
import os
class weixin_spider:
def __init__(self, kw):
' 構造函數 '
self.kw = kw
# 搜狐買粉絲搜索鏈接
#self.sogou_search_url = '買粉絲://weixin.sogou.買粉絲/weixin?type=1&query=%s&ie=utf8&_sug_=n&_sug_type_=' % quote(self.kw)
self.sogou_search_url = '買粉絲://weixin.sogou.買粉絲/weixin?type=1&query=%s&ie=utf8&s_from=input&_sug_=n&_sug_type_=' % quote(self.kw)
# 爬蟲偽裝
self.headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64; rv:47.0) Gecko/20100101 FirePHP/0refox/47.0 FirePHP/0.7.4.1'}
# 操作超時時長
self.timeout = 5
self.s = requests.Session()
def get_search_result_by_kw(self):
self.log('搜索地址為:%s' % self.sogou_search_url)
return self.s.get(self.sogou_search_url, headers=self.headers, timeout=self.timeout).買粉絲ntent
def get_wx_url_by_sougou_search_買粉絲(self, sougou_search_買粉絲):
' 根據返回sougou_search_買粉絲,從中獲取買粉絲主頁鏈接 '
doc = pq(sougou_search_買粉絲)
#print doc('p[class="tit"]')('a').attr('href')
#print doc('div[class=img-box]')('a').attr('href')
#通過pyquery的方式處理網頁內容,類似用beautifulsoup,但是pyquery和jQuery的方法類似,找到買粉絲主頁地址
return doc('div[class=txt-box]')('p[class=tit]')('a').attr('href')
def get_selenium_js_買粉絲(self, wx_url):
' 執行js渲染內容,并返回渲染后的買粉絲內容 '
browser = webdriver.PhantomJS()
browser.get(wx_url)
time.sleep(3)
# 執行js得到整個dom
買粉絲 = browser.execute_script("return document.documentElement.outerHTML")
return 買粉絲
def parse_wx_articles_by_買粉絲(self, selenium_買粉絲):
' 從selenium_買粉絲中解析出買粉絲買粉絲文章 '
doc = pq(selenium_買粉絲)
return doc('div[class="weui_msg_card"]')
def switch_arctiles_to_list(self, articles):
' 把articles轉換成數據字典 '
articles_list = []
i = 1
if articles:
for article in articles.items():
self.log(u'開始整合(%d/%d)' % (i, len(articles)))
articles_list.append(self.parse_one_article(article))
i += 1
# break
return articles_list
def parse_one_article(self, article):
' 解析單篇文章 '
article_dict = { }
article = article('.weui_media_box[id]')
title = article('h4[class="weui_media_title"]').text()
self.log('標題是: %s' % title)
url = '買粉絲://mp.weixin.qq.買粉絲' + article('h4[class="weui_media_title"]').attr('hrefs')
self.log('地址為: %s' % url)
summary = article('.weui_media_desc').text()
self.log('文章簡述: %s' % s
很赞哦!(8)
相关文章
- 02 上海國際醫藥貿易有限公司 主頁(上海國際醫藥貿易有限公司技術銷售怎么樣)
- 04 論述我國對外貿易現狀(我國服務貿易現狀及發展對策)
- 02 上海合作組織國際投資貿易博覽會(2018上海進博會配套現場活動的問題解答)
- 02 上海嘉榮貿易有限公司(誰知道全國生產二甲苯企業名錄????)
- 04 訂閱鏈接轉換器在線翻譯(哪些網站幫你打開了新世界的大門?)
- 02 上海北外灘來福士停車(去了趟北外灘來福士,終于知道這里為啥這么火爆了!)
- 04 訂閱鏈接轉換器官網電腦(iphone上的PDF轉換器如何停止訂購?)
- 02 上海印洋貿易有限公司 民企(巨大火球墜入印度洋,美英軍艦火速前往)
- 04 論網紅的利弊英語作文(如何看待網紅英語作文)
- 02 上海南匯外國語小學共川校區(上海市有多少所民辦小學?)
热门文章
站长推荐
02 上海醫藥遼寧省醫藥對外貿易有限公司(上藥控股有限公司杭州子公司有哪些)
04 訂閱鏈接轉換工具英文數字大寫(關于圖書館學的問題???)
04 谷歌商店海外版下載(為什么我的手機上沒有GooglePlay的服務?)
04 試分析影響企業進入海外市場的因素(試舉例說明中國政治法律和經濟的環境要素,如何影響企業的管理)
04 訊景7800xt海外版pro幾熱管(我現在是一名大學生,自己想配置一臺電腦。不知如何選擇配件,請高手指教。)
04 貴州中錦貿易有限公司(全國網絡貨運平臺有哪些)
04 貨代在國際貿易中的地位及影響論文(物流市場營銷論文范文)
04 諸暨高新貿易有限公司(浙江富潤的公司簡介)