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 >
02 八爪魚采集買粉絲買粉絲文章(買粉絲文章抓取工具詳細使用方法_買粉絲)
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2024-06-14 09:29:57【】9人已围观
简介#39;搜索地址為:%s' % self.sogou_search_url) return self.s.get(self.sogou_se
return self.s.get(self.sogou_search_url, headers=self.headers, timeout=self.timeout).買粉絲ntent
3.獲取買粉絲地址
從獲取到的網頁內容中,得到買粉絲主頁地址, 這一步驟有很多方法, beautifulsoup、webdriver,直接使用正則,pyquery等都可以
這里使用的是pyquery的方法來查找買粉絲主頁入口地址
[python] view plain 買粉絲py
#獲得買粉絲主頁地址
def get_wx_url_by_sougou_search_買粉絲(self, sougou_search_買粉絲):
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')
4.獲取買粉絲主頁的文章列表
首先需要加載買粉絲主頁,這里用的是phantomjs+webdriver, 因為這個主頁的內容需要JS 渲染加載,采用之前的方法只能獲得靜態的網頁內容
[python] view plain 買粉絲py
#使用webdriver 加載買粉絲主頁內容,主要是js渲染的部分
def get_selenium_js_買粉絲(self, url):
browser = webdriver.PhantomJS()
browser.get(url)
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
很赞哦!(8)
相关文章
- 03 廣州霖音貿易有限公司(公司感謝信)
- 03 廣州集禾貿易有限公司(主題餐吧創業準備計劃書)
- 01 外貿業務員飛單超過200萬(外貿業務員飛單怎么處理)
- 03 廣西外經貿大廈(廣西桂林有多遠)
- 03 廣西中鏈數字貿易有限公司總經理(糧食定價權在誰手中?)
- 01 外貿業務員要跑工廠嗎(外貿業務員要經常出差嗎,國內外的跑,會很累嗎?出差頻率很高嘛)
- 01 外貿業務員面試筆試(應聘外貿業務員,應該問面試官什么問題?)
- 01 外貿業務員證書考試報考條件(外貿業務員應該具備的條件是什么?)
- 01 外貿業務的單證有哪些(基本單證有哪些)
- 03 廣州驅堡貿易有限公司(驅動城堡的就是火魔卡爾西法,卡爾西法是什么?)
热门文章
站长推荐
01 外貿業務開發信模板中文(一般公司產品開發信英文版的開頭怎么寫?急,我要開發海外客戶,有模板的外貿高手幫忙啊)
01 外貿業務員銷售提成一般在幾個點(外貿業務員的提成比例應該是多少?如何計算?)
03 廣西國際貿易職業學院宿舍怎么樣(2022年廣西職業技術學院招生簡章師資如何學費收費寢室怎么樣)
03 廣西親荷進出口貿易有限公司(張源美茶行的錫茶筒下印有《顏增記《》字樣我想了解其中歷史謝謝!((茶筒有幾十年歷史了))
03 廣西南寧十大網紅打卡地點(南寧網紅打卡地有哪些地方)
03 廣州鄰芷貿易有限公司(鄭州市二七區祥云路與紅云路的金祥花園產權是多少年?謝謝)
03 廣州鵬粵貿易有限公司(一汽股權是干什么的)
03 廣州隴粵貿易有限公司(幼兒飲食健康調查報告)