Scrapy框架與Selenium我們前面都介紹過，本次給大家分享的是兩者如何配合使用。如果喜歡不要忘記分享、點(diǎn)贊哦!

　　本次我們獲取千瓜的數(shù)據(jù)：http://www.qian-gua.com/rank/category/

　　不好意思!接下來這個頁面你會很郁悶!

　　我們想獲取更多的日榜達(dá)人的數(shù)據(jù)怎么操作?借助selenium哦!為了獲取更多我們結(jié)合Scrapy完成此次的爬蟲任務(wù)。

　　任務(wù)要求：

　　Python3環(huán)境

　　Scrapy框架

　　Selenium 可以參照https://selenium-python-zh.readthedocs.io/en/latest/

　　谷歌瀏覽器+ChromeDriver

　　ChromeDriver的下載地址：https://chromedriver.storage.googleapis.com/index.html

　　首先我們創(chuàng)建項(xiàng)目：scrapy startproject qiangua_spider

　　然后進(jìn)入qiangua_spider目錄下，執(zhí)行：scrapy genspider qiangua qian-gua.com

　　在Pycharm中打開創(chuàng)建的項(xiàng)目，目錄結(jié)構(gòu)如下：

　　修改settings.py文件ROBOTSTXT_OBEY 為 False

　　編寫items.py文件內(nèi)容如下：

　　代碼如下：

　　import scrapy

　　class QianguaSpiderItem(scrapy.Item):

　　# define the fields for your item here like:

　　name = scrapy.Field()

　　level = scrapy.Field()

　　fans = scrapy.Field()

　　likeCollect = scrapy.Field()

　　編寫spider.py爬蟲文件，如果不登陸我們是無法看的更多的小紅書達(dá)人們的賬號排行、漲粉等信息。如果想看的更多則需要登陸才可以。

　　流程與思路：

　　先進(jìn)入http://www.qian-gua.com/rank/category/

　　點(diǎn)擊右上角的登陸(此過程需要有千瓜的賬號才可以)

　　有兩種登陸方式，我們可以選擇微信掃碼登陸，或者手機(jī)登陸(本案例采用手機(jī)登陸)

　　獲取登陸的Cookies

　　保存Cookies并訪問

　　http://api.qian-gua.com/Rank/GetBloggerRank?pageSize=50&pageIndex=頁碼數(shù)&dateCode=20211104&period=1&originRankType=2&rankType=2&tagId=0&_=時間戳

　　得到j(luò)son數(shù)據(jù)并解析數(shù)據(jù)

　　在上述的流程中1-4，我們都是結(jié)合selenium完成的。

　　代碼如下

　　import json

　　import time

　　import scrapy

　　from selenium import webdriver

　　from qiangua_spider.items import QianguaSpiderItem

　　class QianguaSpider(scrapy.Spider):

　　name = 'qiangua'

　　allowed_domains = ['www.qian-gua.com']

　　# start_urls = ['http://www.qian-gua.com/rank/category/']

　　headers = {

　　'Origin': 'http://app.qian-gua.com',

　　'Host': 'api.qian-gua.com',

　　'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/14.1.2 Safari/605.1.15'

　　}

　　def start_requests(self):

　　driver = webdriver.Chrome()

　　url = 'http://www.qian-gua.com/rank/category/'

　　driver.get(url)

　　driver.implicitly_wait(5)

　　driver.find_element_by_xpath('//div[@class="loggin"]/a').click()

　　time.sleep(2)

　　driver.find_element_by_xpath('//div[@class="login-tab"]/span[2]').click()

　　driver.find_element_by_xpath('//input[@class="js-tel"]').send_keys('15010185644')

　　driver.find_element_by_xpath('//input[@class="js-pwd"]').send_keys('qiqining123')

　　driver.find_element_by_xpath('//button[@class="btn-primary js-login-tel-pwd"]').click()

　　time.sleep(2)

　　cookies = driver.get_cookies()

　　driver.close()

　　jsonCookies = json.dumps(cookies) # 通過json將cookies寫入文件

　　with open('qianguaCookies.json', 'w') as f:

　　f.write(jsonCookies)

　　print(cookies)

　　with open('qianguaCookies.json', 'r', encoding='utf-8') as f:

　　listcookies = json.loads(f.read()) # 獲取cookies

　　cookies_dict = dict()

　　for cookie in listcookies:

　　# 在保存成dict時，我們其實(shí)只要cookies中的name和value，而domain等其他都可以不要

　　cookies_dict[cookie['name']] = cookie['value']

　　# 更多的數(shù)據(jù)需要開通會員才可以，我們當(dāng)前獲取了top30的數(shù)據(jù)

　　for page in range(1, 2):

　　t = time.time()

　　timestamp = str(t).replace(".", '')[:13]

　　data_url = "http://api.qian-gua.com/Rank/GetBloggerRank?pageSize=50&pageIndex=" + str(

　　page) + "&dateCode=20211104&period=1&originRankType=2&rankType=2&tagId=0&_=" + timestamp

　　yield scrapy.Request(url=data_url, cookies=cookies_dict, callback=self.parse, headers=self.headers)

　　def parse(self, response):

　　rs = json.loads(response.text)

　　if rs.get('Msg')=='ok':

　　blogger_list = rs.get('Data').get("ItemList")

　　for blogger in blogger_list:

　　name = blogger.get('BloggerName')

　　level = blogger.get('LevelName','無')

　　fans = blogger.get('Fans')

　　likeCollect = blogger.get('LikeCollectCount')

　　item = QianguaSpiderItem()

　　item['name'] = name

　　item['level'] = level

　　item['fans'] = fans

　　item['likeCollect'] = likeCollect

　　yield item

　　最后我們添加pipelines.py保存解析的數(shù)據(jù)，我們是將數(shù)據(jù)保存到csv文件中

　　代碼如下：

　　import csv

　　from itemadapter import ItemAdapter

　　class QianguaSpiderPipeline:

　　def __init__(self):

　　self.stream = open('blogger.csv', 'w', newline='', encoding='utf-8')

　　self.f = csv.writer(self.stream)

　　def open_spider(self, spider):

　　print("爬蟲開始...")

　　def process_item(self, item, spider):

　　data = [item.get('name'), item.get('level'), item.get('fans'), item.get('likeCollect')]

　　self.f.writerow(data)

　　def close_spider(self, spider):

　　self.stream.close()

　　print('爬蟲結(jié)束!')

　　務(wù)必記得將settings.py中pipelines部分的代碼注釋取消掉

　　ITEM_PIPELINES = {

　　'qiangua_spider.pipelines.QianguaSpiderPipeline': 300,

　　}

　　執(zhí)行爬蟲

　　scrapy crawl qiangua

　　結(jié)果很令我們滿意