吾爱破解 - 52pojie.cn

 找回密码
 注册[Register]

QQ登录

只需一步,快速开始

查看: 3456|回复: 16
收起左侧

[Python 转载] pyppeteer爬虫练手

[复制链接]
jy02427010 发表于 2020-7-29 14:23
无意中发现pyppeteer,这个爬虫速度还是很快的.是我喜欢的类型...

安装:pip3 install pyppeteer
自己设置好镜像源要不然很慢...

import asyncio

from pyppeteer import launch

# 获取中国大学排名

'''
# 设置表格
wb = Workbook()
sheet = wb.active
sheet.title = '中国大学排名'
sheet['A1'].value = '序号'
sheet['B1'].value = '学校名称'
sheet['C1'].value = '省市'
sheet['D1'].value = '学校类型'
sheet['E1'].value = '总分'

async def main():
    id = 1
    browser = await launch({'headless': True,  # 无头模式
                            'args': ['--disable-infobars',
                                     '--window-size=1024,800'
                                     ]
                            })
    page = await browser.newPage()
    await page.setViewport({'width': 1024, 'height': 800})
    await page.goto('http://www.zuihaodaxue.cn/zuihaodaxuepaiming2020.html')
    # xpath 获取表格位置
    tbody = await page.xpath('//tbody/tr')
    for i in tbody:       
        # 获取文本:方法一,通过getProperty方法获取
        # title_str1 = await (await item.getProperty('textContent')).jsonValue()
        # 获取文本:方法二,通过evaluate方法获取
        # title_str2 = await page.evaluate('item => item.textContent', item)
        # 获取链接:通过getProperty方法获取
        # title_link = await (await item.getProperty('href')).jsonValue()

        title_str1 = await (await i.getProperty('textContent')).jsonValue()
        srt = title_str1.splitlines()
        id += 1
        sheet['A%s' % (id)].value = id - 1
        sheet['B%s' % (id)].value = srt[2]
        sheet['C%s' % (id)].value = srt[3]
        sheet['D%s' % (id)].value = srt[4]
        sheet['E%s' % (id)].value = srt[5]

    await browser.close()

asyncio.get_event_loop().run_until_complete(main())
wb.save('爬虫1-中国大学排名.xlsx')
'''
# 豆瓣电影 Top 250

'''
#表格设置
wd=Workbook()
sheet=wd.active
sheet.title='豆瓣电影 Top 250'
sheet['A1'].value = '序号'
sheet['B1'].value = '电影名称'
sheet['C1'].value = '电影评分'
sheet['D1'].value = '电影链接'
sheet['E1'].value = '电影图片'
ws = wd[wd.sheetnames[0]]
ws.column_dimensions['B'].width = 23.0     # 调整列B宽
ws.column_dimensions['D'].width = 45.0     # 调整列D宽
ws.column_dimensions['E'].width = 80.0     # 调整列E宽
async def main():
    browser=await launch()
    page=await browser.newPage()
    id = 1

    for start in range(0,250,25):
        await page.goto('https://movie.douban.com/top250?start=%s&filter='%(start))
        ol=await page.Jx('//ol/li')
        for i in ol:
            title_str1 = await (await i.getProperty('textContent')).jsonValue()
            img=await i.Jx('.//img')
            span=await i.Jx('.//div[@class="star"]/span')
            a=await i.Jx('.//div[@class="pic"]/a')
            id += 1
            sheet['A%s' % (id)].value = id - 1
            sheet['B%s' % (id)].value = await (await img[0].getProperty('alt')).jsonValue()
            sheet['C%s' % (id)].value = await (await span[1].getProperty('textContent')).jsonValue()
            sheet['D%s' % (id)].value = await (await a[0].getProperty('href')).jsonValue()
            sheet['E%s' % (id)].value = await (await img[0].getProperty('src')).jsonValue()
    await browser.close()

asyncio.get_event_loop().run_until_complete(main())
wd.save('爬虫2-豆瓣电影 Top 250.xlsx')
'''

# 爬取汽车之家
'''
async def main():
    browser = await launch()
    page = await browser.newPage()
    await page.goto('https://www.autohome.com.cn/news/')
    li = await page.Jx('//ul[@class="article"]/li')
    for i in li:
        a = await i.Jx('.//a')
        h3 = await i.Jx('.//h3')
        p = await i.Jx('.//p')

        if a:
            print(await (await a[0].getProperty('href')).jsonValue())
            print(await (await h3[0].getProperty('textContent')).jsonValue())
            print(await (await p[0].getProperty('textContent')).jsonValue())

    await browser.close()

asyncio.get_event_loop().run_until_complete(main())
'''
# 斗图表情包
'''
async def main():
    browser = await launch({'headless': False})
    page = await browser.newPage()
    await page.goto('https://www.doutula.com/photo/list?page=0')
    for i in range(0,3600,50):
        # 缓慢滚动页面显示图片
        await page.evaluate('window.scrollBy(0, %s)'%i)
        await page.waitFor(3 * 100)
    div=await page.J('.page-content')
    a=await div.Jx('.//img')

    for i in a:
        print(await (await i.getProperty('src')).jsonValue())
    await browser.close()

asyncio.get_event_loop().run_until_complete(main())
'''

# 梨视频
#
# array=[]
# async def sort_data1(data):
#     for i in data:
#         dic={}
#         div=await i.J('.vervideo-name')
#
#         dic['title']=await (await div.getProperty('textContent')).jsonValue()
#         dic['url']=await (await i.getProperty('href')).jsonValue()
#         array.append(dic)
#
# async def sort_data2(data):
#     for i in data:
#         dic={}
#         div=await i.J('.vervideo-title')
#         dic['title']=await (await div.getProperty('textContent')).jsonValue()
#         dic['url']=await (await i.getProperty('href')).jsonValue()
#         array.append(dic)
# async def main():
#     browser = await launch({'headless': False,'executablePath':r'C:\Users\haohao\AppData\Local\Google\Chrome\Application\chrome.exe'})
#     page = await browser.newPage()
#     await page.goto('https://www.pearvideo.com/')
#     a=await page.JJ('.vervideo-tbd .vervideo-lilink')
#     aa=await page.JJ('.vervideo-bd .vervideo-lilink')
#     await sort_data1(a)
#     await sort_data2(aa)
#     print(len(array))
#     for i in array:
#         await page.goto(i['url'])
#         await page.click('.play-icon')
#         await page.waitFor(4* 1000)
#         try:
#             video=await page.J('video')
#             mp4=await (await video.getProperty('src')).jsonValue()
#             i['mp4']=mp4
#             print(mp4)
#             print(i['url'])
#
#         except:
#             pass
#
#     print(array)
#     await browser.close()
# asyncio.get_event_loop().run_until_complete(main())
#用chrome爬,不出错

# 2020年5月中华人民共和国县以上行政区划代码
async def main():
    browser = await launch()
    page = await browser.newPage()
    await page.goto('http://www.mca.gov.cn///article/sj/xzqh/2020/2020/2020072805001.html')
    tr=await page.Jx('//tbody/tr[@height="19"]')
    for i in tr:
        td=await i.Jx('.//td')
        print(await (await td[1].getProperty('textContent')).jsonValue(),await (await td[2].getProperty('textContent')).jsonValue())
asyncio.get_event_loop().run_until_complete(main())

免费评分

参与人数 3吾爱币 +2 热心值 +3 收起 理由
yjn866y + 1 + 1 我很赞同!
家有葫芦仔 + 1 + 1 最近正好在研究这个,学习了
hualili + 1 我很赞同!

查看全部评分

发帖前要善用论坛搜索功能,那里可能会有你要找的答案或者已经有人发布过相同内容了,请勿重复发帖。

 楼主| jy02427010 发表于 2020-8-7 22:51
本帖最后由 jy02427010 于 2020-8-7 23:48 编辑
青衫桑 发表于 2020-8-7 22:02
这个能爬58同城吗?我发现其他方法爬的源码对不上

import asyncio,random

from pyppeteer import launch
async def main():
    browser = await launch({'headless':False})
    page = await browser.newPage()
    await page.goto('https://cd.58.com/')
    await page.type('#keyword','出租', {'delay':random.randint(100, 151)})
    await page.click('#searchbtn')
    await page.waitFor(3 * 1000)
    li=await page.Jx('//li[@class="house-cell"]')
    for i in li:
        a=await i.Jx('.//h2/a')
        b=await i.J('.money>.strongbox')
        print(await (await a[-1].getProperty('textContent')).jsonValue(),await (await b.getProperty('textContent')).jsonValue())
    input("任意键退出")
asyncio.get_event_loop().run_until_complete(main())

字体加密了.要解决一下
dodolovely 发表于 2020-7-29 14:49
y_w_o 发表于 2020-7-29 15:07
FinGzii 发表于 2020-7-29 15:39
感谢分享,正在学python
 楼主| jy02427010 发表于 2020-7-29 16:26

每个都有备注啊
小空520 发表于 2020-7-29 17:16

代码里有写的
青衫桑 发表于 2020-8-7 22:02
这个能爬58同城吗?我发现其他方法爬的源码对不上
seiya 发表于 2020-11-18 15:58
有测试在服务器中模拟图形界面的功能吗?
figoshen 发表于 2021-2-4 20:05
本帖最后由 figoshen 于 2021-2-4 20:11 编辑

这个能爬吗?
东方财富人气榜(前100) https://vipmoney.eastmoney.com/collect/stockranking/pages/ranking/list.html
您需要登录后才可以回帖 登录 | 注册[Register]

本版积分规则

返回列表

RSS订阅|小黑屋|处罚记录|联系我们|吾爱破解 - LCG - LSG ( 京ICP备16042023号 | 京公网安备 11010502030087号 )

GMT+8, 2024-11-25 19:29

Powered by Discuz!

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表