03 python 買粉絲買粉絲搜索功能(如何利用python自動發布買粉絲買粉絲文章？)

sp;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

#!/usr/bin/python  

# 買粉絲ding: utf-8  

如何抓取買粉絲所有買粉絲最新文章

經常有朋友需要幫忙做買粉絲文章爬取，這次來做一個各種方法的匯總說明。

目前爬取買粉絲買粉絲的方法主要有3種：

通過爬取第三方的買粉絲文章聚合網站

通過買粉絲公眾平臺引用文章接口

通過抓包程序，分析買粉絲app訪問買粉絲文章的接口

通過第三方的買粉絲文章聚合網站爬取

買粉絲買粉絲文章一直沒有提供一個對外的搜索功能，直到2013年買粉絲投資搜狗之后，搜狗搜索接入買粉絲買粉絲數據，從此使用搜狗搜索就可以瀏覽或查詢到相關買粉絲以及文章。

域名是: 買粉絲s://weixin.sogou.買粉絲/

可以直接搜索買粉絲或者文章的關鍵字，一些熱門的買粉絲更新還是很及時的，幾乎做到了和買粉絲同步。

所以，爬一些熱門買粉絲可以使用搜狗買粉絲的接口來做，但是一些小眾買粉絲是搜索不到的，而且搜狗的防爬機制更新的比較勤，獲取數據的接口變化的比較快，經常兩三個月就有調整，導致爬蟲很容易掛，這里還是建議使用 selenium爬比較省心。另外搜狗對每個ip也有訪問限制，訪問太頻ip會被封禁24小時，需要買個ip池來做應對。

還有一些其他買粉絲文章聚合網站(比如傳送門)也都存在更新不及時或者沒有收錄的問題，畢竟搜狗這個親兒子都不行。

<

很赞哦!（23）