Selenium简介与安装
Selenium是什么?
Selenium也是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中,就像真正的用户在操作一样。支持的浏览器包括IE、Mozilla Firefox、Mozilla Suite等。
安装
直接使用pip命令安装即可!
pip install selenium
Python抓取微博有两种方式,一是通过selenium自动登录后从页面直接爬取,二是通过api。
这里采用selenium的方式。
程序:
from selenium import webdriver import time import re #全局变量 driver = webdriver.Chrome("C:\Program Files (x86)\Google\Chrome\Application\chromedriver.exe") def loginWeibo(username, password): driver.get('https://passport.weibo.cn/signin/login') time.sleep(1) driver.find_element_by_id("loginName").send_keys("haishu_zheng@163.com") driver.find_element_by_id("loginPassword").send_keys("Weibo01061122") time.sleep(1) driver.find_element_by_id("loginAction").click() #driver.close() def visitUserPage(userId): driver.get('http://weibo.cn/' + userId) print('********************') print('用户资料') # 1.用户id print('用户id:' + userId) # 2.用户昵称 strName = driver.find_element_by_xpath("//div[@class='ut']") strlist = strName.text.split(' ') nickname = strlist[0] print('昵称:' + nickname) # 3.微博数、粉丝数、关注数 strCnt = driver.find_element_by_xpath("//div[@class='tip2']") pattern = r"\d+\." # 匹配数字,包含整数和小数 cntArr = re.findall(pattern, strCnt.text) print(strCnt.text) print("微博数:" + str(cntArr[0])) print("关注数:" + str(cntArr[1])) print("粉丝数:" + str(cntArr[2])) print('\n********************') # 4.将用户信息写到文件里 with open("weibo.txt", "w", encoding = "gb18030") as file: file.write("用户ID:" + userId + '\r\n') file.write("昵称:" + nickname + '\r\n') file.write("微博数:" + str(cntArr[0]) + '\r\n') file.write("关注数:" + str(cntArr[1]) + '\r\n') file.write("粉丝数:" + str(cntArr[2]) + '\r\n') # 5.获取微博内容 # http://weibo.cn/ + userId + "微博内容") pageList = driver.find_element_by_xpath("//div[@class='pa']") print(pageList.text) pattern = r"\d+\d*" # 匹配数字,只包含整数 pageArr = re.findall(pattern, pageList.text) totalPages = pageArr[1] # 总共有多少页微博 print(totalPages) pageNum = 1 # 第几页 numInCurPage = 1 # 当前页的第几条微博内容 contentPath = "//div[@class='c'][{0}]" while(pageNum <= 3): #while(pageNum <= int(totalPages)): contentUrl = "http://weibo.cn/" + userId + "" + str(pageNum) driver.get(contentUrl) content = driver.find_element_by_xpath(contentPath.format(numInCurPage)).text # print("\n" + content) # 微博内容,包含原创和转发 if "设置:皮肤.图片.条数.隐私" not in content: numInCurPage += 1 with open("weibo.txt", "a", encoding = "gb18030") as file: file.write("\r\n" + "\r\n" + content) # 将微博内容逐条写到weibo.txt中 else: pageNum += 1 # 抓取新一页的内容 numInCurPage = 1 # 每一页都是从第1条开始抓 if __name__ == '__main__': username = 'haishu_zheng@163.com' # 输入微博账号 password = 'Weibo01061122' # 输入密码 loginWeibo(username, password) # 要先登录,否则抓取不了微博内容 time.sleep(3) uid = 'xywyw' # 寻医问药 visitUserPage(uid)
运行结果:
同时还生成了weibo.txt文件,内容如下
这种方法有个缺陷,就是爬取较多内容会被封IP:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com
暂无评论...
更新日志
2024年09月25日
2024年09月25日
- 纯音入心系列纯音乐《天籁古筝》1CD[MP3][331MB]
- 男女对唱典藏天碟《发烧对唱·那个季节里的歌DSD》10CD[WAV]
- 群星2010-歌林精选辑[歌林][WAV+CUE]
- TrioZimbalist-PianoTriosofWeinberg,Auerbach,Dvorak(2024)[24-44,1]wav
- 群星.1992-滚石第一流台湾歌·12王牌大车拼【滚石】【WAV+CUE】
- 林子祥.1984-创作歌集【华纳】【WAV+CUE】
- 周汤豪.2010-周汤豪【华纳】【FLAC分轨】
- Mozart-TheStringQuintets-AmadeusQuartet,CecilAronowitz(2017)[24-44,1][WAV+CUE]
- JamesWilliamsDennisIrwin-Focus(2024,Red)[24-48]FLAC
- 藤泽麻衣《空みあげて》[WAV]
- 纯音入心系列纯音乐《中国古筝经典名曲》1CD[MP3][1.3GB]
- 纯音入心系列纯音乐《古筝新奏:岁月静好与筝语,细水流年与筝同》1CD[MP3][846.9MB]
- 670《脆弱敏感小女生》[320K/MP3][27.53MB]
- 曾琳.2011-好好爱我【南方】【WAV+CUE】
- 范晓萱.1995-RAIN【福茂】【WAV+CUE】