簡(jiǎn)單爬蟲爬取微博數(shù)據(jù)(二)

昨天呢講了如何通過(guò)一個(gè)最基本的爬蟲來(lái)抓取單個(gè)頁(yè)面上的數(shù)據(jù)锅必,但這樣我們肯定是不能滿足的胎撇,比如我們想要抓取一個(gè)人的所有微博的數(shù)據(jù)热幔,那怎么辦呢?我們不能手動(dòng)的去點(diǎn)擊“下一頁(yè)”众雷,我們肯定需要程序來(lái)幫我們做這件事情灸拍,所以我們今天的重點(diǎn)就是如何通過(guò)程序?qū)崿F(xiàn)自動(dòng)的跳轉(zhuǎn)頁(yè)面爬取數(shù)據(jù)。

Step1

? ? ?首先要做的前期準(zhǔn)備工作砾省,其實(shí)是針對(duì)新浪微博的特點(diǎn)鸡岗,由于新浪一定要登陸的用戶才能點(diǎn)擊下一頁(yè),不然只能看到第一頁(yè)的內(nèi)容编兄,所以我們要模擬登陸轩性。不過(guò)之前網(wǎng)上看到的其他模擬登陸的方法都太過(guò)復(fù)雜了,而且會(huì)隨著某浪自己改登陸加密方法而改動(dòng)狠鸳,很是不方便揣苏,所以我們用cookie的方式來(lái)登陸。

? ? ? 首先我們要找到自己在新浪微博的cookie件舵,仍然是登陸手機(jī)版卸察,然后在safari中點(diǎn)擊檢查元素,來(lái)檢查cookie铅祸,查找到了weibo.cn的很多cookie坑质,具體該用哪一個(gè)呢?這個(gè)...我的解決方法是都記下來(lái)傳給瀏覽器临梗,總有一個(gè)是有用的涡扼。

cookie

找到自己的cookie以后的方法就簡(jiǎn)單多了。首先我們要用一個(gè)dict把所有的cookie記錄下來(lái)

headers = {'gsid_CTandWM':'your cookie'}

然后在發(fā)出請(qǐng)求中加入你的cookie

yield Request("http://weibo.cn/xiena",cookies=headers, callback=self.parse)

這樣就可以成功登陸啦

一定要注意的是盟庞,要重寫class的start_requests方法吃沪,這樣才能自定義初始訪問(wèn)狀態(tài),不然默認(rèn)的狀態(tài)是不會(huì)提交cookie的什猖。

Step2

接下來(lái)是我們的自動(dòng)跳轉(zhuǎn)部分巷波,實(shí)現(xiàn)自動(dòng)跳轉(zhuǎn)用的也是request方法萎津,具體實(shí)現(xiàn),就是像上一章一樣抹镊,用xpath找到要跳轉(zhuǎn)的鏈接锉屈,首先要分析html文件


html文件

這次我們用的是娜姐的微博,可以看到這個(gè)地方的href屬性就是我們需要找的跳轉(zhuǎn)鏈接了垮耳,用上次的方法把它提取出來(lái)

item['ids'] = sel.xpath('form/div/a/@href').extract()

然后用request方法跳轉(zhuǎn)颈渊,跳轉(zhuǎn)的時(shí)候需要注意加上cookie,同時(shí)终佛,item['ids']是一個(gè)list俊嗽,所以要遍歷它

for st in item['ids']:

? ? ? ?st = "http://weibo.cn"+st

? ? ? ?req = Request(url = st,cookies = headers, callback = self.parse)

? ? ? ?yield req

這樣以后,再運(yùn)行我們的小爬蟲铃彰,就可以看到它不斷的自動(dòng)翻頁(yè)爬取內(nèi)容啦~

總結(jié)

爬蟲小程序到現(xiàn)在已經(jīng)初步可以運(yùn)行了绍豁,那么下一步就應(yīng)該考慮優(yōu)化細(xì)節(jié),比如調(diào)整爬蟲的爬取時(shí)間間隔牙捉,避免被封賬號(hào)之類的事情0.0竹揍,然后要考慮如何優(yōu)化爬蟲的性能,同時(shí)考慮同時(shí)運(yùn)行多個(gè)爬蟲邪铲,分布式工作的方法芬位。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市带到,隨后出現(xiàn)的幾起案子昧碉,更是在濱河造成了極大的恐慌,老刑警劉巖揽惹,帶你破解...
    沈念sama閱讀 217,907評(píng)論 6 506
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件被饿,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡搪搏,警方通過(guò)查閱死者的電腦和手機(jī)狭握,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,987評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)慕嚷,“玉大人哥牍,你說(shuō)我怎么就攤上這事毕泌『燃欤” “怎么了?”我有些...
    開封第一講書人閱讀 164,298評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵撼泛,是天一觀的道長(zhǎng)挠说。 經(jīng)常有香客問(wèn)我,道長(zhǎng)愿题,這世上最難降的妖魔是什么损俭? 我笑而不...
    開封第一講書人閱讀 58,586評(píng)論 1 293
  • 正文 為了忘掉前任蛙奖,我火速辦了婚禮,結(jié)果婚禮上杆兵,老公的妹妹穿的比我還像新娘雁仲。我一直安慰自己,他們只是感情好琐脏,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,633評(píng)論 6 392
  • 文/花漫 我一把揭開白布攒砖。 她就那樣靜靜地躺著,像睡著了一般日裙。 火紅的嫁衣襯著肌膚如雪吹艇。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,488評(píng)論 1 302
  • 那天昂拂,我揣著相機(jī)與錄音受神,去河邊找鬼。 笑死格侯,一個(gè)胖子當(dāng)著我的面吹牛鼻听,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播养交,決...
    沈念sama閱讀 40,275評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼精算,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了碎连?” 一聲冷哼從身側(cè)響起灰羽,我...
    開封第一講書人閱讀 39,176評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎鱼辙,沒(méi)想到半個(gè)月后廉嚼,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,619評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡倒戏,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,819評(píng)論 3 336
  • 正文 我和宋清朗相戀三年怠噪,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片杜跷。...
    茶點(diǎn)故事閱讀 39,932評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡傍念,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出葛闷,到底是詐尸還是另有隱情憋槐,我是刑警寧澤,帶...
    沈念sama閱讀 35,655評(píng)論 5 346
  • 正文 年R本政府宣布淑趾,位于F島的核電站阳仔,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏扣泊。R本人自食惡果不足惜近范,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,265評(píng)論 3 329
  • 文/蒙蒙 一嘶摊、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧评矩,春花似錦叶堆、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,871評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至果录,卻和暖如春上枕,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背弱恒。 一陣腳步聲響...
    開封第一講書人閱讀 32,994評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工辨萍, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人返弹。 一個(gè)月前我還...
    沈念sama閱讀 48,095評(píng)論 3 370
  • 正文 我出身青樓锈玉,卻偏偏與公主長(zhǎng)得像,于是被迫代替她去往敵國(guó)和親义起。 傳聞我的和親對(duì)象是個(gè)殘疾皇子拉背,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,884評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容

  • Spring Cloud為開發(fā)人員提供了快速構(gòu)建分布式系統(tǒng)中一些常見模式的工具(例如配置管理,服務(wù)發(fā)現(xiàn)默终,斷路器椅棺,智...
    卡卡羅2017閱讀 134,656評(píng)論 18 139
  • Android 自定義View的各種姿勢(shì)1 Activity的顯示之ViewRootImpl詳解 Activity...
    passiontim閱讀 172,127評(píng)論 25 707
  • 1 前言 作為一名合格的數(shù)據(jù)分析師,其完整的技術(shù)知識(shí)體系必須貫穿數(shù)據(jù)獲取齐蔽、數(shù)據(jù)存儲(chǔ)两疚、數(shù)據(jù)提取、數(shù)據(jù)分析含滴、數(shù)據(jù)挖掘诱渤、...
    whenif閱讀 18,072評(píng)論 45 523
  • 1. 概覽 體驗(yàn)人:Rebecca 體驗(yàn)時(shí)間:2013年 9月 1 日 -- 2017年 6月 22 日 體驗(yàn)產(chǎn)品...
    Rebecca卡姐閱讀 16,538評(píng)論 3 17
  • 2017年6月4日 星期日 晴 五年級(jí)二班 崔津愷媽媽(親子日記第二十八天) 今天給兒子檢查作業(yè),發(fā)現(xiàn)有兩個(gè)題...
    豆瓣兒_b63d閱讀 159評(píng)論 0 0