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 買粉絲買粉絲爬蟲代碼(爬蟲"搜狗買粉絲買粉絲"遇到的一些問題——Requests 解析買粉絲 gzip壓縮)
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2024-07-10 07:46:58【】1人已围观
简介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
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 parse_one_article(self, article):
' 解析單篇文章 '
article_dict = { }
很赞哦!(85321)
相关文章
- 10 東莞市新大地汽車貿易(梅州人壽保險分公司)
- 10 youtube軟件下載中文版單機游戲下載(請教一些關于動漫的小白問題~)
- 01 youtube官網網頁版更新日志在哪里看到出現(Python培訓哪里最好?)
- 01 youtube官網網頁版更新不適用于windows 10家庭(推薦一個好用的視頻剪輯軟件,)
- 10 youtube視頻下載網站排行榜第77(網絡推廣100種方法有哪些)
- 01 youtube官網網頁版更新時間2022最新消息漢陽(2022安博smartyoutube播放不了)
- 01 youtube官網網頁版更新失敗怎么辦(網絡推廣100種方法有哪些)
- 10 上海首鋼鋼鐵貿易有限公司招聘(誰能告訴我中國排名前十的國企是哪些?)
- 01 youtube官網網頁版更新不能用于測量(常用的數據可視化軟件有哪些)
- 10 youtube轉mp3下載小說網站上(日語如何記單詞)
热门文章
站长推荐
10 上海迷鑫國際貿易有限公司地址(有沒有乙肝的人進大一點廠,現在都到指定的醫院檢查,真的不查倆對半嗎?有類似經驗的說一下。。好迷茫)
10 上海北合鋼鐵貿易有限公司英語(濟南有哪些大型企業?分別是干什么的?)
10 上海香季咖啡貿易有限公司電話(上海有什么地方好看好玩花錢又少的景點?)
01 youtube官網網頁版更新時間2022最新消息最新通報(YouTubeVideoBuilderReview2022-好吧,但非常有限)
01 youtube官網網頁版更新時間2022具體時間地點水印(如何修改蘋果手機圖片拍攝時間)
10 youtube買粉絲轉mp3免費工具(求一些實用或好玩的中文網站)
10 上海濟裕國際貿易有限公司(那位大哥知道江浙滬廣州這四個地方潤滑油生產廠家有哪些?請詳細點,謝謝!)
01 youtube官網網頁版更新不能安裝第二塊(電腦不用軟件怎么錄屏)