中文字幕av专区_日韩电影在线播放_精品国产精品久久一区免费式_av在线免费观看网站

溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務條款》

Python 爬蟲實現增加播客訪問量的方法實現

發布時間:2020-08-25 19:51:15 來源:腳本之家 閱讀:144 作者:Nick.Peng 欄目:開發技術

一、序言:

世界 1024 程序猿節日不加班,閑著沒事兒。。。隨手寫了個播客訪問量爬蟲玩玩,訪問量過萬不是事兒!!!每個步驟注釋都很清晰,代碼僅供學習參考!

---- Nick.Peng

二、所需環境:

Python3.x
相關模塊: requests、json、lxml、urllib、bs4、fake_useragent

三、增加Blog訪問量代碼如下:

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Author: Nick
# @Date:  2019-10-24 15:40:58
# @Last Modified by:  Nick
# @Last Modified time: 2019-10-24 16:54:31
import random
import re
import time
import urllib
import requests

from bs4 import BeautifulSoup
from fake_useragent import UserAgent

try:
  from lxml import etree
except Exception as e:
  import lxml.html
  # 實例化一個etree對象(解決通過from lxml import etree導包失敗)
  etree = lxml.html.etree

# 實例化UserAgent對象,用于產生隨機UserAgent
ua = UserAgent()


class BlogSpider(object):
  """
  Increase the number of CSDN blog visits.
  """

  def __init__(self):
    self.url = "https://blog.csdn.net/PY0312/article/list/{}"
    self.headers = {
      "Referer": "https://blog.csdn.net/PY0312/",
      "User-Agent": ua.random
    }
    self.firefoxHead = {
      "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:61.0) Gecko/20100101 Firefox/61.0"}
    self.IPRegular = r"(([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5]).){3}([1-9]?\d|1\d{2}|2[0-4]\d|25[0-5])"

  def send_request(self, num):
    """
    模擬瀏覽器發起請求
    :param num: num
    :return: html_str
    """
    html_str = requests.get(self.url.format(
      num), headers=self.headers).content.decode()
    # print(html_str)

    return html_str

  def parse_data(self, html_str):
    """
    用于解析發起請求返回的數據
    :param html_str:
    :return: each_page_urls
    """
    # 將返回的 html字符串 轉換為 element對象,用于xpath操作
    element_obj = etree.HTML(html_str)
    # print(element_obj)

    # 獲取每一頁所有blog的url
    each_page_urls = element_obj.xpath(
      '//*[@id="mainBox"]/main/div[2]/div/h5/a/@href')
    # print(each_page_urls)

    return each_page_urls

  def parseIPList(self, url="http://www.xicidaili.com/"):
    """
    爬取最新代理ip,來源:西刺代理
    注意:西刺代理容易被封,如遇到IP被封情況,采用以下兩種方法即可解決:
    方法一:請參考我上一篇博客《Python 實現快代理IP爬蟲》 ===> 喜歡研究的同學,可參考對接此接口
    方法二:直接屏蔽掉此接口,不使用代理也能正常使用
    :param url: "http://www.xicidaili.com/"
    :return: 代理IP列表ips
    """
    ips = []
    request = urllib.request.Request(url, headers=self.firefoxHead)
    response = urllib.request.urlopen(request)
    soup = BeautifulSoup(response, "lxml")
    tds = soup.find_all("td")
    for td in tds:
      string = str(td.string)
      if re.search(self.IPRegular, string):
        ips.append(string)
    # print(ips)
    return ips

  def main(self, total_page, loop_times, each_num):
    """
    調度方法
    :param total_page: 設置博客總頁數
    :param loop_times: 設置循環次數
    :param each_num: 設置每一頁要隨機挑選文章數
    :return:
    """
    i = 0
    # 根據設置次數,打開循環
    while i < loop_times:
      # 遍歷,得到每一頁的頁碼
      for j in range(total_page):
        # 拼接每一頁的url,并模擬發送請求, 返回響應數據
        html_str = self.send_request(j + 1)

        # 解析響應數據,得到每一頁所有博文的url
        each_page_urls = self.parse_data(html_str)

        # 調用parseIPList隨機產生代理IP,防反爬
        # ips = self.parseIPList()
        # proxies = {"http": "{}:8080".format(
        #   ips[random.randint(0, 40)])}

        # 遍歷,每一頁隨機挑選each_num篇文章
        for x in range(each_num):
          # 隨機抽取每一頁的一篇博文進行訪問,防反爬
          current_url = random.choice(each_page_urls)
          status = True if requests.get(
            current_url, headers=self.headers).content.decode() else False
          print("當前正在訪問的文章是:{},訪問狀態:{}".format(current_url, status))
          time.sleep(1)  # 延時1秒,防反爬
        time.sleep(1)  # 延時1秒,防反爬
      i += 1


if __name__ == '__main__':
  bs = BlogSpider()
  bs.main(7, 200, 3) # 參數參照main方法說明,酌情設置

以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持億速云。

向AI問一下細節

免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。

AI

大同市| 乌鲁木齐市| 广宁县| 大连市| 郸城县| 台州市| 西乌珠穆沁旗| 靖宇县| 庆城县| 信阳市| 阜康市| 蒲城县| 宁化县| 乌拉特前旗| 威信县| 罗平县| 丘北县| 丹江口市| 蓝田县| 广昌县| 梧州市| 大英县| 永和县| 滁州市| 虎林市| 綦江县| 扎鲁特旗| 贵德县| 聂拉木县| 拉萨市| 即墨市| 宜春市| 客服| 静乐县| 资中县| 翁源县| 南安市| 阜新| 南充市| 屏边| 龙江县|