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 爬蟲買粉絲買粉絲文章(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2024-06-27 04:50:50【】5人已围观
简介p>time.sleep(3) # 執行js得到整個頁面內容 買粉絲 = browser.execute_scri
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_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&nb
很赞哦!(17659)
相关文章
- 03 youtube官網中文版注冊教程免費版哪個好(屏幕錄像專家哪個好)
- 03 youtube官網中文版視頻剪輯軟件免費在線觀看(pc錄屏軟件?大家推薦一下,免費的)
- 03 youtube官網中文版視頻剪輯軟件官網下載免費(電腦不用軟件怎么錄屏)
- 03 youtube官網中文版注冊版怎么設置管理(電腦pr怎么下載)
- 03 youtube官網中文版注冊表回傳數據給(有沒有 不用ITUNES 直接刷機的辦法啊)
- 04 成都建國汽車貿易有限公司是國企嗎(世界上最大的幾家貿易公司是?)
- 04 成都新娛時代貿易有限公司(YUE過山丘! 2020中國汽車先鋒論壇蓉城舉辦)
- 03 youtube官網中文版視頻怎么下載到桌面了(you tu be的官網是多少?)
- 04 我國旅游服務貿易現狀(我國旅游業的現狀及發展趨勢)
- 04 我國紡織服裝出口貿易影響因素(分析中國加入世貿組織后服裝所面臨的機遇與挑戰)
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的名片
职业:程序员,设计师
现居:黑龙江省哈尔滨宾县
工作室:小组
Email:[email protected]
热门文章
站长推荐
03 youtube官網中文版注冊版怎么看自己(電腦pr怎么下載)
04 我想做貿易 不知道做什么產品(貿易業務員是什么工作)
04 挑戰幫50位粉絲買車(保時捷中國CEO:中國車市消費升級,很多人把保時捷作為第一輛車)
03 youtube官網中文版視頻在線觀看視頻觀看完整(camtasia studio 9 怎么破解)
03 youtube官網中文版視頻剪輯軟件推薦知乎快(電腦不用軟件怎么錄屏)
04 報刊文摘怎么訂閱(從前滿大街的書報亭為什么感覺消失了?)
03 youtube官網中文版注冊版權多少錢一個點(you tu be的官網是多少?)
03 youtube官網中文版視頻在線觀看完整視頻中文(韓庚...................)