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2024-06-13 11:57:49【】9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!(9)
相关文章
- 01 買粉絲的買粉絲怎么刪除全部(怎么把買粉絲買粉絲一次性清空)
- 04 哈爾濱石油學院國際經濟與貿易(哈爾濱石油學院的辦學歷史)
- 04 合肥園博園買粉絲關注(2022年武漢避暑旅游怎么玩?這個超級全面的旅游指南玩之前先藏起來)
- 04 合肥熱電集團買粉絲(冰箱什么牌子好)
- 01 買粉絲男生像ins高級質感(網名男ins高級質感)
- 01 買粉絲訂閱付款在哪里(買粉絲怎么取消訂閱付款)
- 04 商務英語在對外貿易中的技巧與應用畢業論文(商務英語專業的可以寫哪些題目的論文)
- 04 臺灣進出口貿易數據分析(PVC的進出口分析)
- 01 買粉絲視頻買粉絲怎么下載視頻(買粉絲買粉絲視頻怎么下載)
- 04 哈爾濱京東廣道貿易有限公司是國企嗎(大學生電商創業?)
热门文章
站长推荐
01 買粉絲短視頻播放量300-400正常嗎(買粉絲短視頻比例才有收入)
01 買粉絲綁定買粉絲有風險嗎(個人買粉絲被設置為買粉絲管理員對個人買粉絲有沒有風險)
01 買粉絲訂閱主播開播提醒花錢嗎(買粉絲直播開播提醒如何關閉)
04 唐山市冀之信貿易公司地址(唐山大學排名)
01 買粉絲視頻號一萬播放量什么水平(買粉絲視頻號1萬播放量多嗎)
04 嘉實海外今日凈值多少(我以0.761元每股價格申購了嘉實海外基金1萬元,請問現值多少元)
01 買粉絲聊天背景圖ins風女(鹿晗給女友發信息沒避開攝像機,聊天內容露出,后來怎樣了?)
04 嘉興上海外國語學校初中部招生(嘉興外國語學校、三中學費如何收?)