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 買粉絲買粉絲爬蟲(爬蟲"搜狗買粉絲買粉絲"遇到的一些問題——Requests 解析買粉絲 gzip壓縮)
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2024-05-28 18:46:44【】0人已围观
简介p>time.sleep(3) # 執行js得到整個頁面內容 買粉絲 = browser.execute_scri
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_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&nb
很赞哦!(48447)
相关文章
- 01 jenniesolo紅玫瑰是什么品牌(Jennie紅玫瑰造型火了,她之所以受到歡迎主要有哪些原因?)
- 04 youtube官網中文版評論怎么顯示此電腦和(怎樣才能學好python語言?)
- 04 youtube官網入口下載手機端和電腦能(商業銀行如何通過品牌建設應對同質化競爭)
- 04 youtube官網中文版評論怎么發不帶(做亞馬遜常使用哪些工具平臺)
- 01 iso17.2怎么取消訂閱的付費項目(iso17.2怎么樣)
- 01 iphone訂閱扣費記錄在哪里(蘋果手機扣款在哪里看)
- 01 just my socks訂閱鏈接怎么用買粉絲(justmysocks2.買粉絲買的節點二維碼在哪)
- 01 jennieins名字是什么(jennie什么意思)
- 01 Jennie的solo叫什么(Jennie的solo mp3百度云資源,謝謝你們了。)
- 01 iphone訂閱的東西在哪里取消(蘋果訂閱費用如何取消)
热门文章
站长推荐
04 youtube官網入口下載手機端和電腦版(商業銀行如何通過品牌建設應對同質化競爭)
04 youtube官網買粉絲下載器安卓12系統(在手機通過無線升級Youtube時 提示下載完成 點擊安裝 但是一打開就顯示解析包時錯誤 應該怎么辦)
04 youtube官網入口設置界面進不了了(tiktok怎樣注冊)
01 Jennie最新ins的手機是什么(歐陽娜娜 鐘楚曦 周雨彤 虞書欣都鐘愛的對鏡自拍到底在秀些什么)
04 youtube官網中文設置界面在材料(蘋果能用哪些智能音箱)
04 youtube官網中文視頻轉英文在線觀看(you tu be的官網是多少?)
01 iphone訂閱即將到期怎么取消(iPhone電話支持已到期什么意思?)
04 youtube官網中文版評論怎么發(ios app上架流程是什么,怎樣避免提交審核被拒)