189 8069 5689

WeiboUserScrapy类爬虫爬取爬虫的示例分析

WeiboUserScrapy类爬虫爬取爬虫的示例分析,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。

超过十多年行业经验,技术领先,服务至上的经营模式,全靠网络和口碑获得客户,为自己降低成本,也就是为客户降低成本。到目前业务范围包括了:成都网站设计、成都网站建设,成都网站推广,成都网站优化,整体网络托管,小程序制作,微信开发,成都app软件开发,同时也可以让客户的网站和网络营销和我们一样获得订单和生意!

我停止对有GUI功能集中版本的维护了,集中精力维护无GUI版本功能独立版本的开发和维护,并且保证每个功能都是最小可用产品且互不干扰。但是功能独立版本一直有个历史遗留问题:没有将集中版本中爬取每个用户的所有微博的功能独立出来

整体的剥离过程来算比较轻松,因为功能集中版本每个功能都有一个相对独立的类,这个用户微博爬虫就是一个 WeiboUserScrapy 类,只不过在集中版本中为了和其他功能模块进行通信和协调,引进了 PyQT5 的信号量,以及一些公共配置变量,独立时将这些东西去掉即可。

拿到代码后,你需要做的两件事依次是:

  1. 更换代码中的 Cookie
  2. 把 user_id 改成你想要爬取的用户 id(是纯数字)
然后运行代码即可,不一会儿你就能在项目的根目录下的 user 文件夹看到诸如   {user_id}_{nickname}_{weibo_num}博_{followers}粉_{following}关注.csv'    格式的文件,爬取的微博都保存在这里。  
想到老铁们可能有这样的问题:某个博主有 4w 条微博,爬了 2w 条突然断网了或者 Cookie 过期了,难道要重新爬?      
作为良心博主,当然要加一个断点续爬的功能,其实实现起来也不难,每次写 csv 的时候同时将翻页参数 page 保存并更新到一个配置文件中即可,核心代码如下:  
 

user_page_config = 'user_page.json'
if not os.path.exists('user_page.json'):
    page = 1
    with open(user_page_config,'w', encoding='utf-8-sig') as f:
        f.write(json.dumps({f'{self.user_id}':page}, indent=2))
else:
    with open(user_page_config,'r', encoding='utf-8-sig') as f:
        page = json.loads(f.read())[f'{self.user_id}']

random_pages = random.randint(1, 5)
for page in range(page, page_num + 1):
    self.get_one_page(page)  # 获取第page页的全部微博

    with open(user_page_config,'r', encoding='utf-8-sig') as f:
        old_data = json.loads(f.read())
        old_data[f'{self.user_id}'] = page

    with open(user_page_config,'w', encoding='utf-8-sig') as f:
        f.write(json.dumps(old_data, indent=2))
   
 
这样,就能右键运行代码,开开心心做其他事去,不用每时每刻盯着代码。    

看完上述内容,你们掌握WeiboUserScrapy类爬虫爬取爬虫的示例分析的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注创新互联行业资讯频道,感谢各位的阅读!


名称栏目:WeiboUserScrapy类爬虫爬取爬虫的示例分析
文章URL:http://cdxtjz.cn/article/jcojge.html

其他资讯