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(如何入門 Python 爬蟲)
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2024-07-16 04:44:00【】0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!(5)
相关文章
- 02 youtube官網網頁版登錄個人賬號運營方案(如何創建一個電子郵件賬號)
- 02 對外經濟貿易大學商務英語研究生讀幾年(英語經貿英語專業?)
- 02 對外經濟貿易大學全國排名第一的專業(2023對外經濟貿易大學專業排名最好的專業有哪些?)
- 02 youtube官網網頁版登錄入口電腦登陸兩個微(有哪些兩個人一起看電影的軟件)
- 02 對外經濟貿易大學國際經濟貿易學院院長(對外經濟貿易大學的學校領導)
- 02 對外經濟貿易大學大連校區(大連外國語學院有幾個校區啊)
- 02 youtube官網網頁版登錄個人空間相冊密碼(我想把照片傳到百度網上,讓別人都能看到,怎么操作)
- 02 youtube官網網頁版登錄官網下載官網打(手機怎么進入pourhub官網?)
- 02 對外經濟貿易大學博士后招聘(四川大學管理學博士畢業條件?)
- 02 youtube官網網頁版登錄官網下載官方網站(ted郵箱怎么退訂)
热门文章
站长推荐
02 對外經濟貿易大學和廈門大學金融學哪個好(兩財一貿和985哪個好?去兩財一貿不去985值得嗎?)
02 對外經濟貿易大學大類分流規則(中國地質大學(武漢)2020年報考政策解讀)
02 對外經濟貿易大學入學考試題(考入兩電一郵、兩語一外、兩財一貿,不比清華北大差嗎?)
02 youtube官網網頁版登錄不需要驗證怎么(Python培訓哪里最好?)
02 對外經濟貿易大學國際經濟貿易學院考研(對外經濟貿易大學國際貿易學考研經驗分享?)
02 對外經濟貿易大學孔子學院有哪些(上海對外經貿大學專升本專業有哪些?)
02 對外經濟貿易大學大數據專業評級(哪所大學的電子商務專業比較好呢?)
02 youtube官網網頁版登錄入口官網官網下載(手機怎么進入pourhub官網?)