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 >
04 買粉絲買粉絲文章抓取接口(如何批量抓取買粉絲買粉絲歷史所有文章的鏈接?)
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2024-07-09 08:57:50【】4人已围观
简介p>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
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 = { }
article = article('.weui_media_box[id]')
title = article('h4[class="weui_media_title"]').text()
self.log('標題是: %s' % title)
url = '買粉絲://mp.weixin.qq.買粉絲' + article('h4[class="weui_media_title"]').attr('hrefs')
self.log('地址為: %s' % url)
summary = article('.weui_media_desc').text()
self.log('文章簡述: %s' % s
很赞哦!(81787)
相关文章
- 05 貿易公司員工薪資構成(揭開報關員薪資待遇的秘密(2))
- 04 youtube官網網頁版觀看網站導航頁面發布頁(明星玩的像電腦樣直板的那是什么(就觸屏的,像電腦,但卻是像一塊板,平 平的) 可以用來做什么???)
- 05 貴州對外貿易中的主要出口商品包括下列哪些產品(香港外貿公司在大陸是否有進出口經營權,其開展進出口貿易需要哪些文件、手續?謝謝!)
- 04 youtube官網網頁版登錄頁面背景素材免費(ps作品集模板圖片-大學生如何通過ps賺錢)
- 05 貿易公司的經營模式怎么寫報告(公司商業模式怎么寫)
- 05 貿易公司總經理述職報告(董事會會議紀要簡短)
- 05 貿易公司員工工資薪酬方案(薪酬調查報告總結)
- 05 貿易公司章程框架(公司管理模式(豐田公司管理模式))
- 05 貿易公司定價制度(國際企業管理跨國公司 轉移定價的基本原理是什么?為什么說防范轉移定價的問題存在一定的難度?)
- 05 貿易公司的介紹文案(自我介紹文案【六篇】)
热门文章
站长推荐
05 貿易偏轉是什么的特有現象(“魔鬼三角”百慕大事件)
04 youtube官網網頁版登錄不進去了文章(網站seo關鍵詞軟件工具有哪些)
04 youtube官網網頁版觀看免費版電視(什么軟件可以分享屏幕)
04 youtube官網網頁版注冊賬號申請注冊與(如何搭建企業自媒體平臺)
04 youtube官網網頁版觀看免費完整高清觀看(明星玩的像電腦樣直板的那是什么(就觸屏的,像電腦,但卻是像一塊板,平 平的) 可以用來做什么???)
04 youtube官網網頁版登錄官網學生登錄(什么軟件可以分享屏幕)
04 youtube官網網頁版注冊賬號手機無法連接(蘋果ipad的AppleID和密碼都忘了怎么辦?)
05 貴州晨順貿易有限公司(福建晨順標準件有限公司怎么樣?)