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 >
02 八爪魚爬取買粉絲買粉絲(關于買粉絲買粉絲的數據的采集(文章、閱讀/點贊、評論))
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2024-07-19 17:09:56【】2人已围观
简介('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&nbs
#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')
4.獲取買粉絲主頁的文章列表
首先需要加載買粉絲主頁,這里用的是phantomjs+webdriver, 因為這個主頁的內容需要JS 渲染加載,采用之前的方法只能獲得靜態的網頁內容
[python] view plain 買粉絲py
#使用webdriver 加載買粉絲主頁內容,主要是js渲染的部分
def get_selenium_js_買粉絲(self, url):
browser = webdriver.PhantomJS()
browser.get(url)
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"]')&n
很赞哦!(6362)
相关文章
- 02 外貿函電是什么專業(外貿英語函電學什么)
- 03 廣東糧澤糧食貿易有限公司(銷售公司簡介范文大全)
- 03 廣州千豆匯貿易有限公司銷售電話(上海都有什么好玩的地方?)
- 03 廣州嘉勝國際貿易有限公司(快創通注冊公司可靠嗎?)
- 02 外貿函電的信頭包括什么(外貿函電信函格式)
- 03 廣州創速汽車貿易有限公司(共謀汽車行業高質量發展,中國汽車重慶論壇成功舉辦)
- 02 外貿出口怎么做賬務處理(外貿企業,出口的收入怎么做會計分錄)
- 03 廣州哪里買歐美外貿原單衣服(廣州或周邊哪里有外貿原單批發?)
- 02 外貿出口退稅計算公式怎么來的(外貿企業如何計算出口退稅的,最好能舉例說明?)
- 02 外貿出口退稅申報流程操作(外貿企業出口退稅申報流程操作)
热门文章
站长推荐
02 外貿函電的信頭寫什么(外貿函電信涵寫作)
02 外貿出口發票模板(需要一份國外商業發票模板)
03 廣東鴻穩貿易有限公司是做什么的(「深度」廣州浪奇黑洞越來越大,貿易業務系統性造假?)
03 廣東藥科大學國際經濟與貿易學費(湛江科技學院住宿費)
02 外貿出口人民幣升值好還是貶值好(人民幣貶值對出口好還是進口好人民幣升值好還是貶值好)
03 廣州元凱貿易有限公司(廣州市新凱液化石油氣有限公司怎么樣?)
02 外貿出口前景好的產品(現在做外貿做哪些產品比較容易上手,好賺錢?我是個新手請高人指點指點拜托了各位 謝謝)
03 廣州南沙國際貿易中心項目業主(「韭菜坪酒店代訂」2020年Q2廣州寫字樓市場回顧與展望)