python-爬取某个用户关注小组发布过的所有动态

本例子只是简单的爬取用户的动态,但是会被豆瓣检测到是机器人,后续可以接入代理ip, 模拟浏览器请求。

代码:

import requests
import urllib
import json
import re
import os,sys

def findUserGroup(id):
  url = 'https://www.douban.com/group/people/'+id+'/joins'
  print(url)
  data = requestTo(url)
  groupIds = re.findall("<a href=\"(.*?)\"><img src=",data.text)

  userName = re.findall("(.*?)<li class=\"loc\">", data.text)

  for groupUrl in groupIds:
    findGroupDetail(groupUrl, id)

  print data.text


def findGroupDetail(url, id):
    res_tr = '<tr class="">(.*?)</tr>'
    title_href = '<a href="(.*?)" title='

    pageNum = getPageNum(url)

    for index in range(pageNum):
      if(index > 2):
          break
      print index
      url = url+'discussion?start='+str(index*25)
   
  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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