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2024-06-01 12:42:09【】5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!(68337)
相关文章
- facebook怎么查看自己的賬號密碼(facebook密碼忘記了怎么找回來)
- facebook怎么添加網站(facebook如何申請) - 副本
- 10 福建省紅太陽進出口貿易有限公司(農藥廠家都有哪些)
- facebook怎么用手機號搜索好友(facebooK怎么用手機驗證?我輸入手機號碼沒反應!) - 副本
- 10 湖南天力集團汽車貿易有限公司(汽車前擋風玻璃怎么區分進口和國產?)
- 10 湖南天力集團汽車貿易有限公司(汽車前擋風玻璃怎么區分進口和國產?)
- facebook怎么登錄不進去(谷歌郵箱登錄臉書登不上怎么回事)
- 10 科學買年貨大班教案反思(幼兒園大班教案《小袋鼠》)
- 10 珠海添時貿易有限公司(套路貸詐騙案)
- 10 海南自由貿易港11個重點園區介紹(自貿港旅游業“百日記”——多家主題公園敲定開工時間表 海南欲重點布局6類旅游項目)
热门文章
站长推荐
10 福建省紅太陽進出口貿易有限公司(農藥廠家都有哪些)
10 生鮮年貨節活動方案(商品年貨節活動策劃方案)
facebook怎么點贊(我的Facebook賬號受限,可以加好友、更改頭像。但無法點贊、發帖。這種情況下我該怎么辦?) - 副本
10 湖北省鑫鑫天匯貿易有限公司(在平頂山誰知道各大電器公司的辦事處)
facebook怎么注冊登錄不上去(注冊facebook時,一直顯示網絡錯誤,怎么辦?) - 副本
10 深圳國際貿易中心大廈距離高鐵站多遠(湖南長沙到張家界有多少公里)
10 深圳星盛安貿易有限公司(中國爆破器材行業協會的團體會員)
facebook怎么點贊(我的Facebook賬號受限,可以加好友、更改頭像。但無法點贊、發帖。這種情況下我該怎么辦?) - 副本