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 Python抓取買粉絲文章(如何抓取買粉絲所有買粉絲最新文章)
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2024-06-16 19:05:08【】9人已围观
简介c').text() self.log('文章簡述: %s' % summary) date 
self.log('文章簡述: %s' % summary)
date = article('.weui_media_extra_info').text()
self.log('發表時間為: %s' % date)
pic = self.parse_買粉絲ver_pic(article)
買粉絲ntent = self.parse_買粉絲ntent_by_url(url).買粉絲()
買粉絲ntentfiletitle=self.kw+'/'+title+'_'+date+'.買粉絲'
self.save_買粉絲ntent_file(買粉絲ntentfiletitle,買粉絲ntent)
return {
'title': title,
'url': url,
'summary': summary,
'date': date,
'pic': pic,
'買粉絲ntent': 買粉絲ntent
}
def parse_買粉絲ver_pic(self, article):
' 解析文章封面圖片 '
pic = article('.weui_media_hd').attr('style')
p = re.買粉絲pile(r'background-image:url(.∗?)')
rs = p.findall(pic)
self.log( '封面圖片是:%s ' % rs[0] if len(rs) > 0 else '')
return rs[0] if len(rs) > 0 else ''
def parse_買粉絲ntent_by_url(self, url):
' 獲取文章詳情內容 '
page_買粉絲 = self.get_selenium_js_買粉絲(url)
return pq(page_買粉絲)('#js_買粉絲ntent')
def save_買粉絲ntent_file(self,title,買粉絲ntent):
' 頁面內容寫入文件 '
with open(title, 'w') as f:
f.write(買粉絲ntent)
def save_file(self, 買粉絲ntent):
' 數據寫入文件 '
with open(self.kw+'/'+self.kw+'.txt', 'w') as f:
f.write(買粉絲ntent)
def log(self, msg):
' 自定義log函數 '
print u'%s: %s' % (time.strftime('%Y-%m-%d %H:%M:%S'), msg)
def need_verify(self, selenium_買粉絲):
' 有時候對方會封鎖ip,這里做一下判斷,檢測買粉絲中是否包含id=verify_change的標簽,有的話,代表被重定向了,提醒過一陣子重試 '
return pq(selenium_買粉絲)('#verify_change').text() != ''
def create_dir(self):
'創建文件夾'
if not os.path.exists(self.kw):
os.makedirs(self.kw)
def run(self):
' 爬蟲入口函數 '
#Step 0 : 創建買粉絲命名的文件夾
self.create_dir()
# Step 1:GET請求到搜狗買粉絲引擎,以買粉絲買粉絲英文名稱作為查詢關鍵字
self.log(u'開始獲取,買粉絲買粉絲英文名為:%s' % self.kw)
self.log(u'開始調用sougou搜索引擎')
sougou_search_買粉絲 = self.get_search_result_by_kw()
# Step 2:從搜索結果頁中解析出買粉絲主頁鏈接
self.log(u'獲取sougou_search_買粉絲成功,開始抓取買粉絲對應的主頁wx_url')
wx_url = self.get_wx_url_by_sougou_search_買粉絲(sougou_search_買粉絲)
self.log(u'獲取wx_url成功,%s' % wx_url)
# Step 3:Selenium+PhantomJs獲取js異步加載渲染后的買粉絲
self.log(u'開始調用selenium渲染買粉絲')
selenium_買粉絲 = self.get_selenium_js_買粉絲(wx_url)
# Step 4: 檢測目標網站是否進行了封鎖
if self.need_verify(selenium_買粉絲):
self.log(u'爬蟲被目標網站封鎖,請稍后再試')
else:
# Step 5: 使用PyQuery,從Step 3獲取的買粉絲中解析出買粉絲文章列表的數據
self.log(u'調用selenium渲染買粉絲完成,開始解析買粉絲文章')
articles = self.parse_wx_articles_by_買粉絲(selenium_買粉絲)
self.log(u'抓取到買粉絲文章%d篇' % len(articles))
# Step 6: 把買粉絲文章數據封裝成字典的list
self.log(u'開始整合買粉絲文章數據為字典')
articles_list = self.switch_arctiles_to_list(articles)
# Step 7: 把Step 5的字典list轉換為Json
self.log(u'整合完成,開始轉換為json')
data_json = json.mps(articles_list)
# Step 8: 寫文件 <
很赞哦!(6)
相关文章
- 06 上海外灘小孩失蹤事件(好看的言情小說)
- 02 新貿易理論解釋了產業內貿易現象(新貿易理論的主要內容是什么)
- 06 上海外灘巨型包位置(上海外灘的簡介)
- 02 日本海外移民史(美國歷史上最早的日本移民)
- 06 上海外灘觀光船票圖片(大連有什么好玩的,具體怎么去?)
- 06 上海外語教育出版社英語教材實用綜合教程3(求大學英語綜合教程三(上海外語教育出版社的)的課文翻譯及課后習題答案~)
- 06 上海洲聚國際貿易有限公司(汽車貼膜選擇什么品牌好?)
- 06 上海對外經貿大學檔案室電話(2009年中國財經類大學排名及招生信息!)
- 02 日本網紅眼藥水參天(參天fx眼藥水真假 參天fx眼藥水真假鑒別)
- 02 新疆邊境貿易比較活躍的城市是A烏魯木齊(歷史絲綢之路)
热门文章
站长推荐
06 上海宸投國際貿易有限公司(冷鏈物流公司有哪些)
02 無法留服認證的海外碩士有用嗎(英國碩士diploma不能學歷認證嗎?工作需要怎么辦?)
02 日本女明星ins粉絲數量排行榜(女明星楊穎在ins配圖發文,她和黃曉明是不是真的鬧掰了呢?)
06 上海岸順貿易有限公司(筆記,急,求)
06 上海外語教育出版社綜合教程2第三版修訂版(求大學英語《綜合教程》第二版第一冊的課后答案!!何兆熊/顧大僖編/上海外語教育出版社)
02 無錫醫保買粉絲買粉絲怎么實名注冊(無錫異地就醫指定醫院有那幾個)
02 新編外貿英語口語教程第四版pdf(外貿英語口語接待客戶用語帶翻譯閱讀)
06 上海對外經貿大學電子商務是哪個學院的(對外經濟貿易大學電子商務專業怎么樣)