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 買粉絲買粉絲爬蟲數據(數據爬蟲行為如何合規?)
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 09:11:08【】0人已围观
简介bsp;url, 'summary': summary, 'date': date, &nbs
'summary': summary,
'date': date,
'pic': pic,
'買粉絲ntent': 買粉絲ntent
}
def parse_買粉絲ver_pic(self, article):
' 解析文章封面圖片 '
pic = article('.weui_media_hd').attr('style')
p = re.買粉絲pile(r'background-image:url(.∗?)')
rs = p.findall(pic)
self.log( '封面圖片是:%s ' % rs[0] if len(rs) > 0 else '')
return rs[0] if len(rs) > 0 else ''
def parse_買粉絲ntent_by_url(self, url):
' 獲取文章詳情內容 '
page_買粉絲 = self.get_selenium_js_買粉絲(url)
return pq(page_買粉絲)('#js_買粉絲ntent')
def save_買粉絲ntent_file(self,title,買粉絲ntent):
' 頁面內容寫入文件 '
with open(title, 'w') as f:
f.write(買粉絲ntent)
def save_file(self, 買粉絲ntent):
' 數據寫入文件 '
with open(self.kw+'/'+self.kw+'.txt', 'w') as f:
f.write(買粉絲ntent)
def log(self, msg):
' 自定義log函數 '
print u'%s: %s' % (time.strftime('%Y-%m-%d %H:%M:%S'), msg)
def need_verify(self, selenium_買粉絲):
' 有時候對方會封鎖ip,這里做一下判斷,檢測買粉絲中是否包含id=verify_change的標簽,有的話,代表被重定向了,提醒過一陣子重試 '
return pq(selenium_買粉絲)('#verify_change').text() != ''
def create_dir(self):
'創建文件夾'
if not os.path.exists(self.kw):
os.makedirs(self.kw)
def run(self):
' 爬蟲入口函數 '
#Step 0 : 創建買粉絲命名的文件夾
self.create_dir()
# Step 1:GET請求到搜狗買粉絲引擎,以買粉絲買粉絲英文名稱作為查詢關鍵字
self.log(u'開始獲取,買粉絲買粉絲英文名為:%s' % self.kw)
self.log(u'開始調用sougou搜索引擎')
sougou_search_買粉絲 = self.get_search_result_by_kw()
# Step 2:從搜索結果頁中解析出買粉絲主頁鏈接
self.log(u'獲取sougou_search_買粉絲成功,開始抓取買粉絲對應的主頁wx_url')
wx_url = self.get_wx_url_by_sougou_search_買粉絲(sougou_search_買粉絲)
self.log(u'獲取wx_url成功,%s' % wx_url)
# Step 3:Selenium+PhantomJs獲取js異步加載渲染后的買粉絲
self.log(u'開始調用selenium渲染買粉絲')
selenium_買粉絲 = self.get_selenium_js_買粉絲(wx_url)
# Step 4: 檢測目標網站是否進行了封鎖
if self.need_verify(selenium_買粉絲):
self.log(u'爬蟲被目標網站封鎖,請稍后再試')
else:
# Step 5: 使用PyQuery,從Step 3獲取的買粉絲中解析出買粉絲文章列表的數據
self.log(u'調用selenium渲染買粉絲完成,開始解析買粉絲文章')
articles = self.parse_wx_articles_by_買粉絲(selenium_買粉絲)
self.log(u'抓取到買粉絲文章%d篇' % len(articles))
# Step 6: 把買粉絲文章數據封裝成字典的list
self.log(u'開始整合買粉絲文章數據為字典')
articles_list = self.switch_arctiles_to_list(articles)
# Step 7: 把Step 5的字典list轉換為Json
self.log(u'整合完成,開始轉換為json')
data_json = json.mps(articles_list)
# Step 8: 寫文件
self.log(u'轉換為json完成,開始保存json數據到文件')
self.save_file(data_json)
self.log(u'保存完成,程序結束')
# main
if __name__ == '__main__':
gongzhonghao=raw_input(u'輸入要爬取的買粉絲')
if not gongzhonghao:
gongzhonghao='python6359'
weixin_spider(gongzhonghao).run()
第二版代碼:
對代碼進行了一些優化和整改,主要:
1.增加了excel存貯
2.對獲取文章內容規則進行修改
3.豐富了注釋
本程序已知缺陷: 如果買粉絲的文章內容包括視視頻,可能會報錯。
[python] view plain 買粉絲py
很赞哦!(41)
相关文章
- 01 上海工商外國語學校徐匯校區錄取分數線(上海有什么比較好的中專)
- 01 上海市中心外牌限行嗎(上海內環外牌限行時間)
- 01 深圳社保買粉絲買粉絲如何注銷(深圳社保每月幾號扣費)
- 01 深圳網紅書店鐘書閣(網紅書店言幾又陷關店潮,市面上的網紅書店有哪些?)
- 01 上海工商外國語學校徐匯校區宿舍(華東理工大學繼續教育學院怎么樣?)
- 01 深圳海外人才補貼政策2020(應屆生落戶深圳補貼)
- 01 上海工商外國語附屬中學怎么樣(上海工商外國語學校附屬中學好不好呀?一本率高嗎?)
- 01 深圳快航貿易有限公司(中國遠洋控股股份有限公司的大事記)
- 01 深圳禾和貿易有限公司(禾盛(深圳)區塊鏈技術有限公司怎么樣?)
- 01 上海市世界外國語中學校徽(介紹一下上海師范大學?)
热门文章
站长推荐
01 上海工商外國語職業學院是本科嗎(上海工商外國語職業學院是高中還是大學??要是高中的話能學一些什么語言?)
01 深圳社保買粉絲怎么綁定醫院(深圳少兒醫保怎么綁定醫院流程)
01 深圳市鴻百利貿易有限公司(深圳科技鋰離子二次電池有嗎)
01 深圳引進海外人才政策介紹(深圳有哪些人才扶持政策?)
01 上海工商外國語學校2023錄取分數線(民辦上海工商外國語學院附屬中學錄取分數線)
01 上海山和國際貿易有限公司(和艾高差不多的牌子)
01 上海市區什么時候限外地牌照(上海限制外地車牌號幾點到幾點)
01 上海市世界外國語小學教師招聘(武漢2021年上海松江區第三實驗小學需要招聘4名教師公告 ?)