python爬取微信小程序,如何爬取小程序数据

这篇文章主要介绍了python爬取微信小程序,具有一定借鉴价值,需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获,下面让小编带着大家一起了解一下。

python爬虫——实战篇
2021.7.20晚已更新
注:注释和说明已在代码中注释

笔趣阁小说及其网址爬取

爬取结果:
txt文件,内容是 “小说名:网址”。
在这里插入图片描述
步骤:(几乎所有步骤都一样)
1.右键,查看,network(网络),找到headers:User-agent伪装头
2.点击这个红色同步点击框(最上面那个),然后点击一个小说标题元素
3.查看标签目录
4.编写爬虫程序

import requests
from lxml import etree

url = “https://www.xbiquge.la/”
headers = { ‘User-agent’:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36 Edg/91.0.864.67’}

def main():
html_text = requests.get(url = url, headers = headers).text
#解析

<span class="token comment">#先实例化一个etree对象</span>
html_etree_object <span class="token operator">=</span> etree<span class="token punctuation">.</span>HTML<span class="token punctuation">(</span>html_text<span class="token punctuation">)</span>

passage_title_list1 <span class="token operator">=</span> html_etree_object<span class="token punctuation">.</span>xpath<span class="token punctuation">(</span><span class="token string">"//div/dl/dt/a[@href]"</span><span class="token punctuation">)</span>
passage_addre_list1 <span class="token operator">=</span> html_etree_object<span class="token punctuation">.</span>xpath<span class="token punctuation">(</span><span class="token string">"//dt/a/@href"</span><span class="token punctuation">)</span>

fp <span class="token operator">=</span> <span class="token builtin">open</span><span class="token punctuation">(</span><span class="token string">'data.txt'</span><span class="token punctuation">,</span><span class="token string">'w'</span><span class="token punctuation">,</span>encoding<span class="token operator">=</span><span class="token string">'utf-8'</span><span class="token punctuation">)</span>

<span class="token comment"># print(passage_title_list1)</span>
<span class="token comment"># print(passage_addre_list1)</span>
<span class="token comment"># print(passage_title_list1[0].xpath('./text()'))</span>

#局部解析并写入文件
for (ti,ad) in zip(passage_title_list1,passage_addre_list1):
#print(ti.xpath(“./text()”),ad) ti.xpath(“./text()”)是局部解析,注意需要是./text(),特别注意点号“ . ”不能少!!
fp.write(ti.xpath(“./text()”)[0] + “:” + ad + ‘\n’)
fp.close()

main()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29

结果:
在这里插入图片描述

4k图片网站图片爬取

爬取结果:
图片存入文件夹
4k图片网站:4K壁纸_4K手机壁纸_4K高清壁纸大全_电脑壁纸_4K,5K,6K,7K,8K壁纸图片素材_彼岸图网

import requests
from lxml import etree
import os

def get_picture():
try:
url = “https://pic.netbian.com/4kdongman/index_2.html”
headers = { ‘User-agent’:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.106 Safari/537.36’}
#抓取网页
html_pic = requests.get(url = url , headers = headers)
#查看状态码,若不是200返回异常
html_pic.raise_for_status()
#编码utf-8
html_pic.encoding = html_pic.apparent_encoding
#使用xpath数据解析
html_text = html_pic.text
etree_html = etree.HTML(html_text)
li_list = etree_html.xpath(‘//div[@class=“slist”]/ul/li’)
#创建文件夹
if not os.path.exists(‘./pictures1’):
os.mkdir(‘./pictures1’)
#写入文件picture1
for li in li_list:
#局部解析出图片地址和名字
pic_add =“https://pic.netbian.com/” + li.xpath(“./a/img/@src”)[0]#注意xpath返回一个列表所以取下标[0],而且返回的地址不完全,所以在网址上打开看一下,把少的域名补上
pic_name = li.xpath(“./a/img/@alt”)[0] + ‘.jpg’
img_data = requests.get(url = pic_add,headers = headers).content
img_path = “pictures1/” + pic_name
with open(img_path,‘ab’) as fp:
fp.write(img_data)
print(pic_name,“保存成功!”)
fp.close()
except:
return“产生异常”
def main():
get_picture()

main()

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39

结果展示:
在这里插入图片描述
在这里插入图片描述

简历模板爬取

爬取结果:
简历模板的压缩包保存到文件夹中
简历模板网站:免费简历模板 个人简历模板 简历模板免费下载-站长素材。
代码如下:(注释已注明)

import requests
from lxml import etree
import os

def main():
url = “https://sc.chinaz.com/jianli/free.html”
headers = { ‘User-agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.106 Safari/537.36’}
down_data(url, headers)
url_set = set()
#把每一页的url放到一个容器里(有待完善,不能爬取足够多的网址,比如789页)
url_set = get_url(url,headers,url_set)
for urll in url_set:
down_data(urll,headers)

def get_url(url,headers,url_set):#此函数有待完善,缺点是只能爬取第一页的几个分页链接
#其实这个也应该使用try-except
html_text = requests.get(url = url ,headers = headers ).text
html_tree = etree.HTML(html_text)
lable_list = html_tree.xpath(‘//div[@class=“pagination fr clearfix clear”]/a’)
for lable_ in lable_list[2:7]:
lable_url = “https://sc.chinaz.com/jianli/” + lable_.xpath(“./@href”)[0]
url_set.add(lable_url)
return url_set

def down_data(url,headers):
try:
html_ = requests.get(url = url,headers = headers)
#print(“状态码”,html_.status_code)
html_.raise_for_status()
html_.encoding = html_.apparent_encoding
#页面解析
html_text = html_.text
html_tree = etree.HTML(html_text)

    <span class="token comment">#局部解析</span>
    <span class="token comment">#下载地址列表</span>
    loadadd_lable_list <span class="token operator">=</span> html_tree<span class="token punctuation">.</span>xpath<span class="token punctuation&
爬虫(Web Crawler)是一种自动化程序,用于从互联网上收集信息。其主要功能是访问网页、提取数据并存储,以便后续分析或展示。爬虫通常由搜索引擎、数据挖掘工具、监测系统等应用于网络数据抓取的场景。 爬虫的工作流程包括以下几个关键步骤: URL收集: 爬虫从一个或多个初始URL开始,递归或迭代地发现新的URL,构建一个URL队列。这些URL可以通过链接分析、站点地图、搜索引擎等方式获取。 请求网页: 爬虫使用HTTP或其他协议向目标URL发起请求,获取网页的HTML内容。这通常通过HTTP请求库实现,如Python中的Requests库。 解析内容: 爬虫对获取的HTML进行解析,提取有用的信息。常用的解析工具有正则表达式、XPath、Beautiful Soup等。这些工具帮助爬虫定位和提取目标数据,如文本、图片、链接等。 数据存储: 爬虫将提取的数据存储到数据库、文件或其他存储介质中,以备后续分析或展示。常用的存储形式包括关系型数据库、NoSQL数据库、JSON文件等。 遵守规则: 为避免对网站造成过大负担或触发反爬虫机制,爬虫需要遵守网站的robots.txt协议,限制访问频率和深度,并模拟人类访问行为,如设置User-Agent。 反爬虫应对: 由于爬虫的存在,一些网站采取了反爬虫措施,如验证码、IP封锁等。爬虫工程师需要设计相应的策略来应对这些挑战。 爬虫在各个领域都有广泛的应用,包括搜索引擎索引、数据挖掘、价格监测、新闻聚合等。然而,使用爬虫需要遵守法律和伦理规范,尊重网站的使用政策,并确保对被访问网站的服务器负责。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值