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 買粉絲買粉絲數據爬蟲(數據爬蟲行為如何合規?)
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2024-07-24 05:46:57【】5人已围观
简介>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[pyth
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
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_
很赞哦!(8316)
相关文章
- 07 年貨的過去和現在活動教案(大班教案)
- 06 youtube官網網頁版登錄頁面免費登錄頁面首頁(網站seo關鍵詞軟件工具有哪些)
- 06 youtube官網網頁版設置不了壁紙庫(App Store上有哪些冷門但逆天的 App?)
- 07 安徽大學國際經濟與貿易專業女生多不多(理科女生可以報哪些專業好就業?)
- 06 youtube官網網頁版登錄不了微軟官網(微軟正測試為Edge瀏覽器引入YouTube集成和新的發現選項卡)
- 07 小學硬筆書法比賽買粉絲(全國書法評選活動方案模板)
- 06 youtube官網網頁版登錄文件是啥意思(you tu be的官網是多少?)
- 06 youtube官網網頁版登錄不了微軟官網(如何創建一個電子郵件賬號)
- 07 山西科協買粉絲買粉絲(全國科普日活動方案)
- 06 youtube官網網頁版更新頻率是指每周進行3 4(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???)
热门文章
站长推荐
07 家長進課堂活動買粉絲(幼兒學前教育月宣傳活動總結7篇)
07 對外經貿大學江蘇投檔線(2023各高校最低投檔線)
06 youtube官網網頁版觀看網站視頻提取音頻(如何下載網頁視頻)
06 youtube官網網頁版設置不讓公司多(you tu be的官網是多少?)
06 youtube官網網頁版注冊在哪里比較多(ios app上架流程是什么,怎樣避免提交審核被拒)
06 youtube官網網頁版觀看免費版第四季(油管網頁版和app的區別)
07 對外經貿大學法語語言文學考研經驗(我是學財經專業的大二學生,下學期就大三了,想跨專業考英語翻譯的研究生,望各路大神給點建議)
06 youtube官網網頁版注冊企業需要哪些技術(網站seo關鍵詞軟件工具有哪些)