instagram 是国外非常流行的一款社交网站,类似的还有像facebook、twitter,这些社交网站对于掌握时事热点、电商数据来源和竞争对手的动态信息的把我都是很有数据价值的,所以值钱的数据谁都想获取,那就意味着谁都想保护,那么下面就来聊一聊怎么爬取ins的信息。
一、需求分析:
爬取instagram这个用户的图片、评论数、点赞数、文章内容,存为Json格式
二、站点分析:
首先自行准备翻墙工具,准备好以后,打开instagram官方账号,同时按下F12,如下所示:
切换到network选项,随便选择一张图片的url,全局搜索,如下图:
可以发现:instagram把数据写到了script标签里面,这是一种常见的做法,放到js里面去加载,所以我们需要用到正则表达式去做匹配:
解释一下:首先爬取首页的数据,然后正则表达式匹配script标签传来的后台数据,转换成json格式,同时还需要找出user_id和GIS_rhx_gis参数(破解js加密需要用到),最后解析数据。
爬取完首页以