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 Python爬買粉絲文章(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2024-06-22 10:22:45【】4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!(119)
相关文章
- 05 youtube官網下載安裝版本在哪下載軟件安全(怎樣才能學好python語言?)
- 05 youtube官網中文版下載免費電腦游戲推薦(電腦上錄游戲視頻用哪個軟件好?)
- 05 youtube官網下載安裝版本在哪看自己什么(you tu be的官網是多少?)
- 05 youtube官網下載電腦版本免費輔助官網最新(如何上聽力公開課)
- 05 youtube官網中文版更新了什么意思啊(PS軟件各個版本區別大嗎?哪個版本最適合新手?)
- 05 youtube官網下載安裝版是什么軟件能刪除(手機打開軟件閃退是什么原因?)
- 05 youtube官網中文版教程入門到精通第(怎樣才能學好python語言?)
- 01 煙臺跨境貿易綜合服務平臺(哪些城市已經獲批跨境電商試點?)
- 01 煤炭貿易的鏈條是什么(4t鏈條鍋爐適合使用什么指標煤炭,4200cal/g,揮發份24%能用嗎)
- 01 煙臺華海國際貿易有限公司電話(煙臺華海保險人才住房怎么樣)
热门文章
站长推荐
01 靈活就業社保買粉絲怎么繳納(靈活就業人員社保繳費手機上怎么交)
05 youtube官網中文版更新不能用來(you tu be的官網是多少?)
05 youtube官網下載電腦版本免費輔助官網電腦(怎樣才能學好python語言?)
05 youtube官網中文版更新不包括哪項(怎樣才能學好python語言?)
05 youtube官網 中文新聞數據新聞案例2022(新媒體運營平臺有哪些?)
05 youtube官網下載安裝版是什么時候學最好(怎樣才能學好python語言?)
01 煤炭大宗貿易居間騙局揭秘(煤炭居間費多少是合法的)
05 youtube下載網站排行榜第71(網絡推廣主要渠道有哪些,我說的是免費的。除了在自己網站發軟文還有別的嗎)