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 買粉絲買粉絲數據爬蟲(數據爬蟲行為如何合規?)
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2024-06-19 09:24:52【】6人已围观
简介>2.獲取主頁入口內容使用request,urllib,urllib2,或者直接使用webdriver+phantomjs等都可以這里使用的是request.get()的方法獲取入口網頁內容[pyth
使用request , urllib,urllib2,或者直接使用webdriver+phantomjs等都可以
這里使用的是request.get()的方法獲取入口網頁內容
[python] view plain 買粉絲py
# 爬蟲偽裝頭部設置
self.headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:51.0) Gecko/20100101 Firefox/51.0'}
# 設置操作超時時長
self.timeout = 5
# 爬蟲模擬在一個request.session中完成
self.s = requests.Session()
[python] view plain 買粉絲py
#搜索入口地址,以公眾為關鍵字搜索該買粉絲
def get_search_result_by_keywords(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
3.獲取買粉絲地址
從獲取到的網頁內容中,得到買粉絲主頁地址, 這一步驟有很多方法, beautifulsoup、webdriver,直接使用正則,pyquery等都可以
這里使用的是pyquery的方法來查找買粉絲主頁入口地址
[python] view plain 買粉絲py
#獲得買粉絲主頁地址
def get_wx_url_by_sougou_search_買粉絲(self, sougou_search_買粉絲):
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')
4.獲取買粉絲主頁的文章列表
首先需要加載買粉絲主頁,這里用的是phantomjs+webdriver, 因為這個主頁的內容需要JS 渲染加載,采用之前的方法只能獲得靜態的網頁內容
[python] view plain 買粉絲py
#使用webdriver 加載買粉絲主頁內容,主要是js渲染的部分
def get_selenium_js_買粉絲(self, url):
browser = webdriver.PhantomJS()
browser.get(url)
time.sleep(3)
# 執行js得到整個頁面內容
買粉絲 = browser.execute_script("return document.documentElement.outerHTML")
return 買粉絲
得到主頁內容之后,獲取文章列表,這個文章列表中有我們需要的內容
[python] view plain 買粉絲py
#獲取買粉絲文章內容
def parse_wx_articles_by_買粉絲(self, selenium_買粉絲):
doc = pq(selenium_買粉絲)
print '開始查找內容msg'
return doc('div[class="weui_media_box appmsg"]')
#有的買粉絲僅僅有10篇文章,有的可能多一點
#return doc('div[class="weui_msg_card"]')#買粉絲只有10篇文章文章的
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_
很赞哦!(914)
相关文章
- 02 youtube官網網頁版設置簽名檔怎么掛(PS軟件各個版本區別大嗎?哪個版本最適合新手?)
- 08 上海宸投國際貿易有限公司(正規代運營公司排名)
- 08 上海對外經貿大學團委電話(“包商銀行杯”全國高校文學作品大賽的2011年第二屆)
- 02 youtube手機下載安裝包百度百科(華為手機google設置是干什么用的)
- 08 與對外貿易乘數無關的因素是什么(與對外貿易乘數無關的因素是)
- 02 youtube官網網頁版設置簽名模板帶翻譯(youtube評論翻譯成中文設置)
- 08 下田貿易北京公司(日俄遠東斗法的90年:從兩個條約到兩場大戰,日本為何不停喊虧?)
- 08 中國國際貿易促進委員會商業行業委員會怎么樣(重慶律師事務所排名是怎么樣的?)
- 08 上海炫時國際貿易有限公司(iCAR品牌之夜,iCAR GT 與 03全球首發)
- 02 youtube官網網頁版設置自動保存路徑文件(怎樣將視頻下載到電腦上?)
热门文章
站长推荐
08 上海譽歡貿易有限公司招聘(員工出事故去世了 公司不予處理 只說走程序 有什么方法給公司施壓 能讓公司早點解決)
08 上海霸鳳凰貿易有限公司(想做藝術漆,哪個牌子好)
02 youtube官網網頁版設置背景圖像位置調整方案(破解Youtube使之能在手機中背景播放)
08 上海貝速貿易有限公司武漢分公司(消毒柜有用嗎,哪種好)
08 中國農產品對外貿易現狀分析論文(中國西部農產品貿易發展趨勢)
08 上海楓彥貿易有限公司(請幫忙想縣委辦發給兄弟縣領導的新年賀詞)
08 中國農產品對外貿易現狀分析論文(求論文.我國農產品貿易發展現狀及對策.的可參考文獻。開題報告要寫、到時候寫論文也要資料參考、在線等。)
08 上海志雨貿易有限公司招聘(上海遠洋運輸有限公司的簡介)