mysky007 最近的时间轴更新 mysky007 最近的时间轴更新 | mysky007V2EX 第 287439 号会员，加入于 2018-01-28 23:21:07 +08:00 |
mysky007 最近回复了
2018-06-17 16:03:16 +08:00 回复了 vvaaiinn 创建的主题 Python 微信公众号内容的抓取、大家有什么好的建议吗 |
补充个链接：[微信公众号文章采集]( http://www.keydatas.com/doc/fuyYRzrY7vy2/weixin-gongzhonghao-caiji-wordpress)
2018-06-17 15:53:33 +08:00 回复了 vvaaiinn 创建的主题 Python 微信公众号内容的抓取、大家有什么好的建议吗 |
通过搜狗入口抓取，有两种方案可以获取到文章的链接：1、解析 html 中的 json 数据。2、使用 seimiAgent 动态加载页面，再用 xpath 提取。使用第一种成本较低。至于 ip 可能被封问题，可考虑接多家 ip 代理服务商切换代理。http://www.keydatas.com/doc/fuyYRzrY7vy2 这个平台采用的就是这种方案，可以采集，但速度没有普通网页快，可能是尝试了不同 IP 代理比较耗时。
Select Language