day7、scrapy-微博登陆后抓取信息

因微博抓取信息网页比较复杂,需进行分析后再进行爬取
login.py

# -*- coding: utf-8 -*-
import scrapy
import json
from sevenweibospider.items import SevenweibospiderItem


class LoginSpider(scrapy.Spider):
    name = 'login'
    allowed_domains = ['weibo.cn']
    # start_urls = ['http://weibo.cn/']
    #默认get请求

    #post请求
    #登录
    def start_requests(self):
        login_url = "https://passport.weibo.cn/sso/login"
        formdata = {
                'username': '694021389@qq.com',
                'password': 'woxihuanni',
                'savestate': '1',
                'r': 'https: // weibo.cn /',
                'ec': '0',
                'pagerefer': 'https: // weibo.cn / pub /',
                'entry': 'mweibo',
                'wentry': '',
                'loginfrom': '',
                'client_id': '',
                'code': '',
                'qq': '',
                'mainpageflag': '1',
                'hff': '',
                'hfp': '',
        }
        yield scrapy.FormRequest(url=login_url, formdata=formdata, callback=self.parse_login)

    def parse_login(self, response):
        print("+++++++++++++++++")
        #对响应体判断是否登录成功
        json_res = json.loads(response.text)
        if json_res["retcode"] == 20000000:
            #登陆成功,访问详情资料
            info_url = "https://weibo.cn/?since_id=GvDAIAMb0&max_id=GvCRr7fmv&prev_page=%d&page=%d"
            for i in range(1, 2):
                url = info_url % (i-1, i)
                yield scrapy.Request(url=url, callback=self.parse_info)
        else:
            print('登陆失败!')

    def parse_info(self, response):
        weibo_list = response.xpath("//div[@class='c' and @id]")
        for weibo in weibo_list:
            item = SevenweibospiderItem()
            div = weibo.xpath("./div")
            if len(div) == 1:
                item["category"] = "Original"
                item["name"] = weibo.xpath("./div/a[@class='nk']/text()").extract_first()
                item["content"] = weibo.xpath("./div/span[@class='ctt']/text()").extract_first()
                item["dianzan"] = weibo.xpath("./div/a[2]/text()").extract_first()
                item["relay"] = weibo.xpath("./div/a[3]/text()").extract_first()
                item["comment"] = weibo.xpath("./div/a[4]/text()").extract_first()
            elif len(div) == 2:
                item["category"] = ""
                item["name"] = weibo.xpath("./div[1]/a[@class='nk']/text()").extract_first()
                item["content"] = weibo.xpath("./div[1]/span[@class='ctt']/text()").extract_first()
                item["dianzan"] = weibo.xpath("./div[2]/a/text()").extract()[-4]
                item["relay"] = weibo.xpath("./div[2]/a/text()").extract()[-3]
                item["comment"] = weibo.xpath("./div[2]/a/text()").extract()[-2]

                # 图片与转发理由
                img = weibo.xpath("./div[2]//img[@class='ib']/@src")
                if len(img) == 0:
                    #无图转发
                    item['category'] = "Relay and Picture"
                    item["reason"] = weibo.xpath("./div[2]/text()").extract_first()

                else:
                    #有图原创
                    item['category'] = "Original and Picture"
                    item["img_url"] = weibo.xpath("./div[2]//img[@class='ib']/@src").extract_first()
            else:
                len(div) == 3
                item["category"] = "Relay and Picture"
                item["name"] = weibo.xpath("./div[1]/a[@class='nk']/text()").extract_first()
                item["content"] = weibo.xpath("./div[1]/span[@class='ctt']/text()").extract_first()
                item["dianzan"] = weibo.xpath("./div[3]/a/text()").extract()[-4]
                item["relay"] = weibo.xpath("./div[3]/a/text()").extract()[-3]
                item["comment"] = weibo.xpath("./div[3]/a/text()").extract()[-2]

                #图片与转发理由
                item["img_url"] = weibo.xpath("./div[2]//img[@class='ib']/@src").extract_first()
                item["reason"] = weibo.xpath("./div[3]/text()").extract_first()
            yield item

items.py

import scrapy


class SevenweibospiderItem(scrapy.Item):
    #微博div的种类经过查看元素分析出为:四种
    #1、不带图片的原创 2、带图片的原创 3、不带图片的转载 4、带图片的转载

    #公共部分
    #类型
    category = scrapy.Field()
    #博主名字
    name = scrapy.Field()
    #内容
    content = scrapy.Field()
    #点赞
    dianzan = scrapy.Field()
    #转发
    relay = scrapy.Field()
    #评论
    comment = scrapy.Field()

    #其他部分
    #图片
    img_url = scrapy.Field()
    #理由
    reason = scrapy.Field()

settings.py
(42)

DEFAULT_REQUEST_HEADERS = {
    'Accept': '*/*',
    'Accept-Language': 'zh-CN,zh;q=0.9',
    'Referer': 'https://passport.weibo.cn/signin/login?entry=mweibo&r=https%3A%2F%2Fweibo.cn%2F&backTitle=%CE%A2%B2%A9&vt=',
    'Origin': 'https://passport.weibo.cn',
    'Connection': 'keep-alive',
}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,204评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,091评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,548评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,657评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,689评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,554评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,302评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,216评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,661评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,851评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,977评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,697评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,306评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,898评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,019评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,138评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,927评论 2 355

推荐阅读更多精彩内容