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 >
03 爬蟲抓取買粉絲文章(買粉絲買粉絲爬蟲的難點)
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2024-06-04 09:08:06【】9人已围观
简介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
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_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 = { }
很赞哦!(9)
相关文章
- 01 deca joins樂隊成員(deca joins樂隊怎么念)
- 02 海關加工貿易監管辦法(中華人民共和國海關對進料加工進出口貨物管理辦法)
- 01 DHL屬于什么貿易術語(FOB,CCIB,DHL,CIF是什么的簡稱,中文意思是什么)
- 01 download music for youtube online(哪些音樂應用可以免費聽歌?)
- 01 download music from youtube for 買粉絲 mac apps(幫忙翻譯一段IPHONE廣告)
- 01 download download youtube music下載(尋一個聽歌的網站)
- 02 海南國家對外文化貿易基地(海南有哪些地方)
- 01 download how to mp3 from youtube(love the way you lie純女聲歌曲在哪邊下載?)
- 02 浙江越秀國際金融與貿易學院(請問浙江專升本有哪些民辦學校?)
- 01 download mp3 youtube app windows 10(求E.M.Youtube 買粉絲 download tool 的 注冊碼)
热门文章
站长推荐
01 download facebook(PasteDownload 免費網頁影片下載器,支援上百個影音社交網站)
01 DHL屬于什么貿易術語(FOB,CCIB,DHL,CIF是什么的簡稱,中文意思是什么)
01 download from youtube to mp3 320kbps(想要《咖啡王子一號店》的所有歌曲)
01 deca joins是哪里的樂隊(deca joins樂隊怎么念)
02 海上貿易的小說(求關于海戰,海盜和航海的小說~~急要~謝謝`~~~~)
02 浦發信用卡買粉絲買粉絲掛失后怎么恢復(浦發信用卡買粉絲買粉絲提示默認綁定卡狀態異常)
01 download music from youtube for 買粉絲 mac 2017(如何讓YTmusic在后臺播放)
02 海南外貿公司有什么政策(出口退稅有什么好處?什么樣的企業滿足這個?)