MyException - 我的异常网
当前位置:我的异常网» 行业应用 » 网页爬虫实战之qq说说采撷

网页爬虫实战之qq说说采撷

www.MyException.Cn  网友分享于:2018-03-30  浏览:0次
网页爬虫实战之qq说说采集

QQ空间是 开发出来的一个具有个性空间,在QQ空间上可以书写日志、写说说, 多种方式展现自己。本文演示无需代码可视化的方法的是收集QQ空间说说的方法。



在开始之前,可以先参考一下这些文章,希望有帮助:
小白30分钟学会网页爬虫
网页爬虫真实案例记录

 

文中用到的可视化爬虫制作工具(官网),只作为演示使用,实际应用中可以替换成自己拿手的工具或代码语言即可。

收集网站:

https://pocket.qzone.qq.com/

本文仅以上面这个QQ空间URL举例说明,大家如果有其他收集其他QQ空间的需求,可以更换QQ空间URL进行收集。 

收集的内容包括:QQ说说,点赞数,评论数,发布时间

 

使用功能点:

l Cookie登录

l Ajax

l 修改Xpath

 

步骤1:创建qq说说收集任务

1)进入主界面,选择“自定义收集”

 

放大看>>

 

qq说说收集步骤1

 

2)将要收集的qq空间网站URL复制粘贴到输入框中, “保存网址”

 

 

放大看>>

 

qq说说收集步骤2

 

 

步骤2:QQ空间Cookie登录

1)打开网页后,需要先登录,可以先在 登录QQ, 收集时 登录按钮,之后扫码就可以成功登录。

 

放大看>>

 

qq说说收集步骤3

 

 

3)登陆后,在高级选项中选择自定义cookie,勾选打开网页时使用固定cookie,再 获取当前页面cookie,最后 “确定”,这样以后再收集时就不用重复登录QQ了。(cookie有效时间以具体情况为准)

 

放大看>>

 

qq说说收集步骤4

 

 

步骤3:提取qq说说数据

1)成功登录以后,可以把空间主页打开,鼠标选中“说说”,提示框中选择“ 该链接”

 

放大看>>

 

qq说说收集步骤5

 

 

 

2)此步骤涉及Ajax技术。需要设置Ajax加载,打开“高级选项”,勾选“Ajax加载数据”,设置时间为“3秒”。因为说说页面打开后需要向下 才可以出现更多内容,所以还需要设置页面滚动,滚动次数选择3次,每次间隔3秒,完成后, “确定”。

 

 

放大看>>

 

qq说说收集步骤6

 

 

3)鼠标 到页底,然后选中“下一页”,提示框中选择“循环 下一页”

 

放大看>>

 

qq说说收集步骤7

 

 

鼠标选中第一条“说说”,提示框中“选中全部”,如果要收集发布时间,点赞数,评论数,同样也是选中第一条相应的部分,然后 选中全部。

 

放大看>>

 

qq说说收集步骤8

 

接着选择“收集以下元素文本”

 

放大看>>

 

qq说说收集步骤9

 

 

4)同上, 翻页这一步需要设置ajax,  鼠标选中 翻页,设置Ajax 加载和页面滚动, 如果这一步的规则流程出错   需要手动调整一下   调整到整个规则的最后

 

放大看>>

 

qq说说收集步骤10

 

 

步骤4:修改Xpath

1)手动执行规则,发现循环列表里并没有定位到所有元素,所以需要修改xpath,到火狐中查看源码可以发现,网页涉及到IFRAME,在高级选项中勾选元素在IFRAME,并填入相对应的xpath“//IFRAME[@id=app_canvas_frame]”。

 

 

放大看>>

 

qq说说收集步骤11

 

2)同上,循环的步骤也需要设置xpath,选中循环步骤,在高级选项中勾选元素在IFRAME,并填入相对应的xpath”//iframe[@id=app_canvas_frame],

 

 

 

放大看>>

 

qq说说收集步骤12

 

3)收集数据时候可以发现出现到最后一页的时候一直重复在收集,这个时候需要回到规则流程中调整翻页循环的xpath,如下图,单个元素的xpath修改为“//a[@class=c_tx]/SPAN[text()=下一页]”

 

 

放大看>>

 

qq说说收集步骤13

 

 

步骤5:qq说说数据收集及导出

 

设置完成之后选择保存并开始收集,然后启动本地收集,

 

放大看>>

 

qq说说收集步骤14

 

 

收集完成后,会跳出提示,选择“导出数据”选择“合适的导出方式”,将收集好的数据导出这里我们选择excel作为导出为格式,一份完好的QQ说说数据就导出来了,数据导出后如下图

 

 

放大看>>

 

qq说说收集步骤15

 

文中用到的可视化爬虫制作工具(官网),只作为演示使用,实际应用中可以替换成自己拿手的工具或代码语言即可。

文章评论

写给自己也写给你 自己到底该何去何从
写给自己也写给你 自己到底该何去何从
老程序员的下场
老程序员的下场
程序猿的崛起——Growth Hacker
程序猿的崛起——Growth Hacker
亲爱的项目经理,我恨你
亲爱的项目经理,我恨你
科技史上最臭名昭著的13大罪犯
科技史上最臭名昭著的13大罪犯
“肮脏的”IT工作排行榜
“肮脏的”IT工作排行榜
旅行,写作,编程
旅行,写作,编程
2013年美国开发者薪资调查报告
2013年美国开发者薪资调查报告
我是如何打败拖延症的
我是如何打败拖延症的
5款最佳正则表达式编辑调试器
5款最佳正则表达式编辑调试器
10个调试和排错的小建议
10个调试和排错的小建议
程序员周末都喜欢做什么?
程序员周末都喜欢做什么?
那些争议最大的编程观点
那些争议最大的编程观点
什么才是优秀的用户界面设计
什么才是优秀的用户界面设计
Web开发人员为什么越来越懒了?
Web开发人员为什么越来越懒了?
Java程序员必看电影
Java程序员必看电影
做程序猿的老婆应该注意的一些事情
做程序猿的老婆应该注意的一些事情
程序员都该阅读的书
程序员都该阅读的书
程序员眼里IE浏览器是什么样的
程序员眼里IE浏览器是什么样的
看13位CEO、创始人和高管如何提高工作效率
看13位CEO、创始人和高管如何提高工作效率
编程语言是女人
编程语言是女人
总结2014中国互联网十大段子
总结2014中国互联网十大段子
为什么程序员都是夜猫子
为什么程序员都是夜猫子
如何区分一个程序员是“老手“还是“新手“?
如何区分一个程序员是“老手“还是“新手“?
程序员和编码员之间的区别
程序员和编码员之间的区别
那些性感的让人尖叫的程序员
那些性感的让人尖叫的程序员
“懒”出效率是程序员的美德
“懒”出效率是程序员的美德
 程序员的样子
程序员的样子
10个帮程序员减压放松的网站
10个帮程序员减压放松的网站
老美怎么看待阿里赴美上市
老美怎么看待阿里赴美上市
程序员必看的十大电影
程序员必看的十大电影
Java 与 .NET 的平台发展之争
Java 与 .NET 的平台发展之争
2013年中国软件开发者薪资调查报告
2013年中国软件开发者薪资调查报告
我跳槽是因为他们的显示器更大
我跳槽是因为他们的显示器更大
鲜为人知的编程真相
鲜为人知的编程真相
程序员最害怕的5件事 你中招了吗?
程序员最害怕的5件事 你中招了吗?
团队中“技术大拿”并非越多越好
团队中“技术大拿”并非越多越好
当下全球最炙手可热的八位少年创业者
当下全球最炙手可热的八位少年创业者
初级 vs 高级开发者 哪个性价比更高?
初级 vs 高级开发者 哪个性价比更高?
一个程序员的时间管理
一个程序员的时间管理
如何成为一名黑客
如何成为一名黑客
每天工作4小时的程序员
每天工作4小时的程序员
中美印日四国程序员比较
中美印日四国程序员比较
Google伦敦新总部 犹如星级庄园
Google伦敦新总部 犹如星级庄园
程序员应该关注的一些事儿
程序员应该关注的一些事儿
60个开发者不容错过的免费资源库
60个开发者不容错过的免费资源库
漫画:程序员的工作
漫画:程序员的工作
不懂技术不要对懂技术的人说这很容易实现
不懂技术不要对懂技术的人说这很容易实现
程序员的鄙视链
程序员的鄙视链
软件开发程序错误异常ExceptionCopyright © 2009-2015 MyException 版权所有