excel抓取网页动态数据( 微信朋友圈数据入口搞定了怎么办？(图) )

　　excel抓取网页动态数据(

微信朋友圈数据入口搞定了怎么办？(图)

)

　　

　　2、 然后在首页点击【创建图书】-->【微信相册】。

　　

　　3、 点击【开始制作】-->【添加随机指定的图书编辑为好友】，长按二维码添加好友。

　　4、 之后，耐心等待微信的制作。完成后，您将收到编辑器发送的消息提醒，如下图所示。

　　至此，我们已经完成了微信朋友圈的数据录入，并获得了外链。

　　确保朋友圈设置为【全开】，默认为全开，不知道怎么设置的请自行百度。

　　

　　5、 点击外部链接，然后进入网页，需要使用微信扫码授权登录。

　　6、扫码授权后，即可进入微信网页版，如下图。

　　

　　7、 然后我们就可以写一个爬虫程序正常抓取信息了。这里，编辑器使用Scrapy爬虫框架，Python使用版本3，集成开发环境使用Pycharm。

　　二、创建爬虫项目

　　1、 确保您的计算机上安装了 Scrapy。然后选择一个文件夹，在该文件夹下输入命令行，输入执行命令：

　　scrapy startproject weixin_moment

　　，等待生成Scrapy爬虫项目。

　　2、在命令行输入cd weixin_moment，进入创建好的weixin_moment目录。然后输入命令：

　　scrapy genspider'时刻''chushu.la'

　　, 创建一个朋友圈爬虫，如下图所示。

　　

　　3、 执行以上两步后的文件夹结构如下：

　　

　　三、分析网络数据

　　1、 进入微信首页，按F12，建议使用谷歌浏览器，查看元素，点击“网络”标签，然后勾选“保存日志”，即保存日志，如如下图所示。可以看到首页的请求方法是get，返回的状态码是200，表示请求成功。

　　

　　2、点击“Response”（服务器响应），可以看到系统返回的数据是JSON格式的。说明我们需要在程序中处理JSON格式的数据。

　　

　　3、点击微信“导航”窗口，可以看到数据按月加载。当导航按钮被点击时，它会加载相应月份的 Moments 数据。

　　

　　4、 点击【2014/04】月，然后查看服务器响应数据，可以看到页面显示的数据对应的是服务器的响应。

　　

　　5、查看请求方法，可以看到此时的请求方法已经变成了POST。细心的小伙伴可以看到，点击“下个月”或其他导航月份时，首页的网址没有变化，说明该网页是动态加载的。对比多个网页请求后，我们可以看到“Request Payload”下的数据包参数在不断变化，如下图所示。

　　

　　6、将来自服务器的响应数据展开，放到JSON在线解析器中，如下图：

　　

　　可以看到 Moments 的数据存储在 paras /data 节点下。

　　接下来，我们将编写一个程序来捕获数据。然后继续深入。

　　四、代码实现

　　1、 修改 Scrapy 项目中的 items.py 文件。我们需要获取的数据是朋友圈和发布日期，所以这里定义了date和dynamic两个属性，如下图所示。

　　

　　2、要修改实现爬虫逻辑的主文件moment.py，必须先导入模块，尤其是items.py中的WeixinMomentItem类。要特别小心不要错过。然后修改start_requests方法，具体代码实现如下图所示。

　　

　　3、修改parse方法解析导航数据包。代码实现稍微复杂一些，如下图所示。

　　

　　l 需要注意的是，从网页中得到的响应是bytes类型的，显示需要转换成str类型进行解析，否则会报错。

　　l 在POST请求的限制下，需要构造参数。特别注意参数中的年、月、索引都必须是字符串类型，否则服务器会返回400状态码，说明请求参数错误，导致程序运行时间报一个错误。

　　l 还需要在请求参数中添加请求头，尤其是必须添加Referer（防盗链），否则重定向时找不到网页入口，导致错误。

　　l 上面提到的代码构造方法不是唯一的写法，也可以是其他的。

　　4、 定义 parse_moment 函数来提取 Moments 数据。返回的数据以JSON格式加载，JSON用于提取数据。具体代码实现如下图所示。

　　

　　5、 取消setting.py文件中ITEM_PIPELINES的注释，表示数据是通过这个管道处理的。

　　

　　6、 之后就可以在命令行运行程序了，在命令行中输入

　　爬行时刻 -o moment.json

　　, 然后就可以得到Moments的数据了，控制台输出的信息如下图所示。

　　7、 之后，我们得到了一个moment.json文件，里面存储了我们朋友圈的数据，如下图。

　　

　　8、嗯，你真的没有看错。里面得到的数据实在是看不懂，不过这不是乱码，而是编码问题。解决这个问题的方法是删除原来的moment.json文件，然后在命令行重新输入如下命令：

　　爬行时刻 -o moment.json -s FEED_EXPORT_ENCODING=utf-8,

　　至此，可以看到编码问题已经解决，如下图所示。