03 爬蟲買粉絲買粉絲內容(python怎么抓取買粉絲閱)

bsp;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  

self.log(u'轉換為json完成，開始保存json數據到文件')  

self.save_file(data_json)  

self.log(u'保存完成，程序結束')  

# main  

if __name__ == '__main__':  

gongzhonghao=raw_input(u'輸入要爬取的買粉絲')  

if not gongzhonghao:  

gongzhonghao='python6359'  

weixin_spider(gongzhonghao).run()  

第二版代碼：

對代碼進行了一些優化和整改，主要：

1.增加了excel存貯

2.對獲取文章內容規則進行修改

3.豐富了注釋

本程序已知缺陷： 如果買粉絲的文章內容包括視視頻，可能會報錯。

[python] view plain 買粉絲py

很赞哦!（54）