ブログパークのトップページを取得し、定刻に微信に送信します.

2214 ワード

彼女の要求に応じて、技術の動向をタイムリーに把握するために、わざわざこの爬虫類を書いて、毎日定刻にブログ園のトップページを登って微信に送りました.

環境:


Python3.4

サードパーティ製ライブラリ

  • Requests:要求
  • をサーバに送信する.
  • BeautifulSoup 4:解析Html
  • wxpy:微信インタフェース
  • Schedule:タイマ
  • コード#コード#

    # -*-coding:utf-8 -*-
    
    import requests
    from requests import exceptions
    from bs4 import BeautifulSoup as bs
    import re
    from wxpy import *
    import  schedule
    import  time
    
    
    bot=Bot(cache_path=True)
    
    # 
    def getHtml(pageIndex):
        #   
        headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36'}
        #pageIndex 
        payload={'CategoryType': 'SiteHome', 'ParentCategoryId': '0', 'CategoryId': '808', 'PageIndex': pageIndex, 'TotalPostCount': '4000'}
        try:
            r=requests.post('https://www.cnblogs.com/mvc/AggSite/PostList.aspx',data=payload,headers=headers)
            r.raise_for_status()
            r.encoding=r.apparent_encoding
            return r.text
        except requests.RequestException as e:
            return e.strerror
    # 
    def sendblogmsg(content):
        # 
        #my_friend = bot.friends().search('')[0]
        my_friend=bot.file_helper
        my_friend.send(content)
    
    def job():
        contents=''
        #i 
        for i in range(1,3):
            html=getHtml(i)
            soup=bs(html,"html.parser")
            blogs=soup.findAll("div",{'class':'post_item_body'})
            for blog in blogs:
                title=blog.find('h3').get_text()
                summary=blog.find('p',{'class':'post_item_summary'}).get_text()
                link=blog.find('a',{'class':'titlelnk'})['href']
                content=' :'+title+'
    :'+link+'
    -----------
    ' contents+=content sendblogmsg(contents) # schedule.every().day.at("06:00").do(job) while True: schedule.run_pending() time.sleep(1) bot.join()

    注意事項:

  • 悪意のある攻撃行為を行わない
  • できるだけ暇な時間にウェブサイトにアクセスして、アクセス頻度を制御して、悪意を持ってウェブサイトの資源
  • を消費しないでください.