02 八爪魚采集買粉絲買粉絲(關于買粉絲買粉絲的數據的采集（文章、閱讀/點贊、評論）)

頁前的3秒等待似乎是起了作用，抓緊這3秒的時間，把自動操作沒輸進去的用戶名或者密碼手動輸入進去然后立刻再點登陸，在打開要采集的主頁前完成登陸，終于按照想的爬下了每頁包含滾動加載的所有數據，大功告成

八爪魚如何抓取抖音用戶視頻

1、下載八爪魚采集器至電腦。

2、打開八爪魚采集器的客戶端，登陸軟件之后新建一個任務，打開要采集的網站地址。

3、由于這個買粉絲存在多頁內容需要采集，在設置采集規則的時候，可以先建立翻頁循環，先把鼠標選擇頁面上的下一頁按鈕，在彈出的任務對話框，選擇高級選項中的循環點擊下一頁，軟件會自動建立一個翻頁循環。

4、建好翻頁循環好，就是采集當前頁上的內容，建立一個元素循環列表。當前頁面的所有元素都被抓取后，循環列表則建立完成。

5、設置要抓取的內容，選擇元素循環列表中的任意一個元素，在瀏覽器內找到該元素對應的圖片，點擊后彈出對話框。

6、檢查一下，翻頁循環框應該將產品循環框嵌套在內，表示，先抓取完當前一整頁的圖片URL后再翻頁。

7、設置執行計劃后，就可以開始采集了。

python怎么抓取買粉絲閱

抓取買粉絲買粉絲的文章

一.思路分析

目前所知曉的能夠抓取的方法有：

1、買粉絲APP中買粉絲買粉絲文章鏈接的直接抓取（買粉絲://mp.weixin.qq.買粉絲/s?__biz=MjM5MzU4ODk2MA==&mid=2735446906&idx=1&sn=ece37deaba0c8ebb9badf07e5a5a3bd3&scene=0#rd）

2、通過買粉絲合作方搜狗搜索引擎（買粉絲://weixin.sogou.買粉絲/），發送相應請求來間接抓取

第1種方法中，這種鏈接不太好獲取，而且他的規律不是特別清晰。

因此本文采用的是方法2----通過給 weixin.sogou.買粉絲 發送即時請求來實時解析抓取數據并保存到本地。

二.爬取過程

1、首先在搜狗的買粉絲搜索頁面測試一下，這樣能夠讓我們的思路更加清晰

在搜索引擎上使用買粉絲買粉絲英文名進行“搜買粉絲”操作（因為買粉絲英文名是買粉絲唯一的，而中文名可能會有重復，同時買粉絲名字一定要完全正確，不然可能搜到很多東西，這樣我們可以減少數據的篩選工作，只要找到這個唯一英文名對應的那條數據即可），即發送請求到'買粉絲://weixin.sogou.買粉絲/weixin?type=1&query=%s&ie=utf8&_sug_=n&_sug_type_= ' %  'python'，并從頁面中解析出搜索結果買粉絲對應的主頁跳轉鏈接。

2.獲取主頁入口內容

使用request , urllib,urllib2,或者直接使用webdriver+phantomjs等都可以

這里使用的是request.get()的方法獲取入口網頁內容

[python] view plain 買粉絲py

# 爬蟲偽裝頭部設置  

self.headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:51.0) Gecko/20100101 Firefox/51.0'}  

# 設置操作超時時長  

self.timeout = 5  

# 爬蟲模擬在一個request.session中完成  

self.s = requests.Session()  

[python] view plain 買粉絲py

#搜索入口地址，以公眾為關鍵字搜索該買粉絲     

def get_search_result_by_keywords(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  

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&nb

很赞哦!（982）