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2024-07-18 19:24:27【】2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!(987)
相关文章
- 05 海外能源資源安全手抄報內容(湘教版七年級下冊地理的復習資料)
- 05 海外創新創業大賽背景介紹(全國大學生電子商務“創新創意創業”挑戰賽的競賽背景)
- 05 海航8000億海外投資(中國加盟前十名酒店加盟國內知名酒店)
- 01 youtube官網中文版介紹以及其它(學習英語最有效的方法是)
- 01 youtube官網中文版介紹課件ppt完美版攻略視頻全流程(怎么將YouTube視頻嵌入到PPT PowerPoint中)
- 01 youtube官網中文版教程入門到實踐第三(web前端主要做的是什么工作)
- 05 海外能源資源安全手抄報(有關祖國建設新成就的內容)
- 05 海外安全總監招聘(總監崗位職責)
- 05 海外投資建廠是什么全球化(跨國企業是什么含義?)
- 01 youtube官網中文版介紹課件ppt免費模板百度(如何解除YouTube的版權侵犯警告)
热门文章
站长推荐
05 海外商品閃購模式可能存在的問題有(跨境電商竟品分析報告)
01 youtube官網中文版介紹課件ppt完整版教學(怎么將YouTube視頻嵌入到PPT PowerPoint中)
05 海南鼎遠貿易有限公司(智慧銀貴金屬公司安全嗎?)
05 海外代購網站大全(澳洲海淘網站有哪些)
01 youtube官網中文版介紹課件ppt官網三(App Store上有哪些冷門但逆天的 App?)
01 youtube官網中文版介紹課件ppt免費模板素材(App Store上有哪些冷門但逆天的 App?)
05 海外中文學校每個年級學什么(國際學校是什么學校?)
05 海外中文學校教材(我在德國教中文十三年)