详解用python实现爬取CSDN热门评论URL并存入redis
程序员文章站
2022-03-06 11:01:38
一、配置webdriver下载谷歌浏览器驱动,并配置好import timeimport randomfrom pil import imagefrom selenium import webdriv...
一、配置webdriver
下载谷歌浏览器驱动,并配置好
import time import random from pil import image from selenium import webdriver from selenium.webdriver.common.by import by from selenium.webdriver.support.ui import webdriverwait from selenium.webdriver.support import expected_conditions as ec if __name__ == '__main__': options = webdriver.chromeoptions() options.binary_location = r'c:\users\hhh\appdata\local\google\chrome\application\谷歌浏览器.exe' # driver=webdriver.chrome(executable_path=r'd:\360chrome\chromedriver\chromedriver.exe') driver = webdriver.chrome(options=options) #以java模块为例 driver.get('https://www.csdn.net/nav/java') for i in range(1,20): driver.execute_script("window.scrollto(0, document.body.scrollheight)") time.sleep(2)
二、获取url
from bs4 import beautifulsoup from lxml import etree html = etree.html(driver.page_source) # soup = beautifulsoup(html, 'lxml') # soup_herf=soup.find_all("#feedlist_id > li:nth-child(1) > div > div > h2 > a") # soup_herf title = html.xpath('//*[@id="feedlist_id"]/li/div/div/h2/a/@href')
可以看到,一下爬取了很多,速度非常快
三、写入redis
导入redis包后,配置redis端口和redis数据库,用rpush函数写入
打开redis
import redis r_link = redis.redis(port='6379', host='localhost', decode_responses=true, db=1) for u in title: print("准备写入{}".format(u)) r_link.rpush("csdn_url", u) print("{}写入成功!".format(u)) print('=' * 30, '\n', "共计写入url:{}个".format(len(title)), '\n', '=' * 30)
大功告成!
在redis desktop manager中可以看到,爬取和写入都是非常的快。
要使用只需用rpop出栈就ok
one_url = r_link.rpop("csdn_url)") while one_url: print("{}被弹出!".format(one_url))
到此这篇关于详解用python实现爬取csdn热门评论url并存入redis的文章就介绍到这了,更多相关python爬取url内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
上一篇: 技嘉魔鹰RTX 3060 GAMING OC显卡全面评测
下一篇: 回形遍历二维数组