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(買粉絲買粉絲爬蟲的難點)
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2024-07-25 11:28:04【】6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!(475)
相关文章
- 01 網紅小糖葫蘆好賣嗎(山東一小伙街頭賣冰糖香菜走紅網絡,這名小伙的創意如何?)
- 03 online youtube download music to(哪些音樂應用可以免費聽歌?)
- 03 my music mix on youtube.買粉絲 how to(知道歌詞但不知道歌名?)
- 01 網紅小熊跳舞視頻慢動作教程(網紅小熊跳舞音樂叫什么)
- 01 網紅小女孩頭像(“網紅鼻祖”程琳,曾經制霸QQ空間的非主流女神,她的故事有多傳奇?)
- 03 mp3 youtube download 320 kbps(RMVB是什么)
- 01 網紅小學生(一名小學生怎樣才能成為網紅?)
- 03 play on youtube now((吃雞搖)這首歌的原名叫什么啊)
- 01 網紅小紋身圖案(女生想要紋身,哪些圖案不死板又適合女生?)
- 03 Singapore universal studio(新加坡環球影城用英文怎么說?)
热门文章
站长推荐
03 redis發布訂閱原理(《Redis設計與實現》pdf下載在線閱讀,求百度網盤云資源)
03 redis消息訂閱與發布推送給前端(求java學習路線圖?)
01 網紅小女孩頭像超萌 可愛(夏日短發穿搭,輕松穿出少女感,看張子楓怎么從時尚菜鳥逆襲的)
03 p港什么意思貿易(物流貿易出口費用術語)
03 my mix music on youtube music(求最high巨high無敵high,high到云霄里的hi fi trance曲)
01 網紅崔曉彤個人資料簡介圖片(抖音崔曉彤真實身份)
01 網紅小逗逗個人資料介紹(是小逗逗的模特真名)
01 網紅小丑表情包動態(網紅同款小丑穿紅色衣服的代表著那些說法)