笔记2

# -*- coding: utf-8 -*-
"""
Created on Mon Jul  8 16:59:12 2019

@author: Administrator
"""


import requests
import re
from lxml import etree
import json
import time
import random
import collections
from pymongo import MongoClient


headers = {'user-agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.86 Safari/537.36'}


"""
# 提取json数据文本
pat_json = re.compile('</script><script id="js-initialData" type="text/json">(.*)</script><script src="https://static.zhihu.com/heifetz/vendor.6c16e03dca561b828324.js">')
response_json = re.findall(pat_json,response.text)[0]

# 解析json数据
json.loads(response_json)

# 取出关注人的账号
user_following = list(json.loads(response_json ).get('initialState')['entities']['users'].keys())[1:]

# 构造关注人follow页面网址
user_urls = ['https://www.zhihu.com/people/'+name+'/following' for name in user_following]

"""
# 定义单用户爬虫函数
def spider(user_urls):
    # 对用户网址做出响应,添加用户代理
    response = requests.get(user_urls,headers=headers)
    #设置等待时间,反正爬虫被发现
    time.sleep(random.randint(3,6))
    # 找出json数据文本
    pat_json = re.compile('</script><script id="js-initialData" type="text/json">(.*)</script><script src="https://static.zhihu.com/heifetz/vendor.6c16e03dca561b828324.js">')
    response_json = re.findall(pat_json,response.text)[0]
    # 解析json数据并提取用户所关注人的账号
    user_following = list(json.loads(response_json ).get('initialState')['entities']['users'].keys())[1:]
    # 构造用户所关注的人的网址
    other_urls = ['https://www.zhihu.com/people/'+name+'/following' for name in user_following]
    # 构造选择器
    selector = etree.HTML(response.text)
    # 提取出昵称
    name = selector.xpath('//*[@class="ProfileHeader-name"]/text()')[0]
    # 提取出行业职位
    try:
        prefession = selector.xpath('//*[@class="ProfileHeader-infoItem"]/text()')[0]
    except:
        prefession = ''
    # 提取出关注人数
    try:
        following = selector.xpath('//*[@class="Card FollowshipCard"]/div/a[1]/div/strong/text()')[0]
    except:
        following = ''
    # 提取出被关注人数
    try:
        follower = selector.xpath('//*[@class="Card FollowshipCard"]/div/a[2]/div/strong/text()')[0]
    except:
        follower = ''
    
    print(name)
    collection.insert_one({'name':name,'prefession':prefession,'following':following,'follower':follower})
    return other_urls
       
    
    
# 待爬取url加入队列 
next_crawl_urls = collections.deque()
# 初始化一个urls,再进入循环
next_crawl_urls.append('https://www.zhihu.com/people/asdfghjkl-54-99/following')


# 连接数据库,初始化cliet
client = MongoClient()
# 建立数据库
db = client.zhihu
# 建立数据表
collection = db.user



# 已经被爬取的url,利用集合是唯一性进行去重
crawled_urls = set() 
    
    
    
while True:
    # 使用popleft方法从待爬取的uels中提取其中一个url后,并删除已提取的url
    url = next_crawl_urls.popleft()
    try:
        other_urls = spider(url)
        
        crawled_urls.add(url)
        
        # 待爬取减去已经爬取的,得出未爬取过的urls
        no_crawl_url = set(other_urls) - crawled_urls
        
        # 将未爬取的urls放进待爬取的队列中
        next_crawl_urls.extend(no_crawl_url)
    except:
        pass
    ```
©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 214,588评论 6 496
  • 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 91,456评论 3 389
  • 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 160,146评论 0 350
  • 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 57,387评论 1 288
  • 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 66,481评论 6 386
  • 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 50,510评论 1 293
  • 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 39,522评论 3 414
  • 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 38,296评论 0 270
  • 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 44,745评论 1 307
  • 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 37,039评论 2 330
  • 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 39,202评论 1 343
  • 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 34,901评论 5 338
  • 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 40,538评论 3 322
  • 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 31,165评论 0 21
  • 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 32,415评论 1 268
  • 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 47,081评论 2 365
  • 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 44,085评论 2 352

推荐阅读更多精彩内容