当前位置: 首页 > news >正文

牡丹江网站开发wordpress 权限设置方法

牡丹江网站开发,wordpress 权限设置方法,江苏省建设工程地方标准网站,自己做热图的网站以下是爬取Google Play商店应用包名(package name)和对应分类的完整解决方案,采用ScrapyPlaywright组合应对动态渲染页面,并处理反爬机制: 完整爬虫实现 1. 安装必要库 # 卸载现有安装pip uninstall playwright scrapy-playwright -y# 重新…

以下是爬取Google Play商店应用包名(package name)和对应分类的完整解决方案,采用Scrapy+Playwright组合应对动态渲染页面,并处理反爬机制:

0

完整爬虫实现

1. 安装必要库

# 卸载现有安装pip uninstall playwright scrapy-playwright -y# 重新安装(指定国内镜像加速)pip install playwright scrapy-playwright -i https://pypi.tuna.tsinghua.edu.cn/simple# 安装浏览器二进制文件playwright install chromiumplaywright install-deps  # Linux系统需要额外依赖

2. 创建Scrapy项目

scrapy startproject google_play_crawler cd google_play_crawler

3. 修改settings.py​​​​​​​

# 启用Playwright和中间件DOWNLOAD_HANDLERS = {    "http": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",    "https": "scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler",}TWISTED_REACTOR = "twisted.internet.asyncioreactor.AsyncioSelectorReactor"# 反爬配置USER_AGENT = "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"ROBOTSTXT_OBEY = FalseCONCURRENT_REQUESTS = 2DOWNLOAD_DELAY = 3# Playwright设置PLAYWRIGHT_BROWSER_TYPE = "chromium"PLAYWRIGHT_LAUNCH_OPTIONS = {    "headless": True,    "timeout": 30000,}

4. 爬虫主代码spiders/google_play.py​​​​​​​

import scrapyfrom scrapy.http import Requestimport refrom urllib.parse import urljoinclass GooglePlaySpider(scrapy.Spider):    name = 'google_play'    start_urls = ['https://play.google.com/store/apps']    custom_settings = {        'FEEDS': {            'apps.csv': {                'format': 'csv',                'fields': ['package_name', 'app_name', 'main_category', 'sub_category'],                'overwrite': True            }        }    }    def start_requests(self):        for url in self.start_urls:            yield Request(                url,                callback=self.parse_categories,                meta={"playwright": True}            )    def parse_categories(self, response):        """解析所有分类链接"""        # 新版Google Play分类选择器        category_links = response.xpath('//a[contains(@href, "/store/apps/category/")]/@href').extract()        for link in set(category_links):  # 去重            full_url = urljoin(response.url, link)            category_name = link.split('/')[-1]            yield Request(                full_url,                callback=self.parse_app_list,                meta={                    "playwright": True,                    "category": category_name                }            )    def parse_app_list(self, response):        """解析应用列表页"""        app_links = response.xpath('//a[contains(@href, "/store/apps/details?id=")]/@href').extract()        for link in set(app_links):            package_name = link.split('=')[-1]            full_url = urljoin(response.url, link)            yield Request(                full_url,                callback=self.parse_app_detail,                meta={                    "playwright": True,                    "package_name": package_name,                    "main_category": response.meta["category"]                }            )        # 分页处理        next_page = response.xpath('//a[contains(@aria-label, "Next page")]/@href').extract_first()        if next_page:            yield Request(                urljoin(response.url, next_page),                callback=self.parse_app_list,                meta={                    "playwright": True,                    "category": response.meta["category"]                }            )    def parse_app_detail(self, response):        """解析应用详情页"""        item = {            "package_name": response.meta["package_name"],            "app_name": response.xpath('//h1[@itemprop="name"]/span/text()').get(),            "main_category": response.meta["main_category"],            "sub_category": response.xpath('//a[@itemprop="genre"]/text()').get()        }        # 额外信息(可选)        item['rating'] = response.xpath('//div[@class="TT9eCd"]/@aria-label').get()        item['downloads'] = response.xpath('//div[contains(text(), "Downloads")]/following-sibling::span//text()').get()        yield item

5.google_play_crawler目录启动Google商店爬虫

scrapy crawl google_play -O Google.csv

执行后可以看到开始进行Google 应用商店的应用分类可视化爬虫

0

6.运行结果

    可以爬取应用的分类,但是感觉稳定哈。可能是国内VPN不稳定,且爬虫很费时间,感觉跑完也需要好几小时以上哈。

0

我家公司没有自己的应用商店,故应用类型需要自己爬虫生成数据库,供后续代码查询实现了。

http://www.dtcms.com/a/416815.html

相关文章:

  • 做单页网站盈利案例重庆科技建设
  • 网站开发者工具post包装设计报价明细
  • 烟台市做网站广东新闻联播今天
  • 济南市城市建设规划局官方网站做什网站好
  • 使用会话存储时,处理存储信息加密问题
  • 松江新城投资建设集团发展有限公司网站云电脑注册网站首页
  • 南京最大网站建设公司网站备案号怎么看
  • 网站维护 英语用模板做的网站不好优化
  • 北京海淀区工商局网站网站弹窗页面是谁做的
  • 网站没备案能百度推广吗用asp做网站span
  • 网站后台口令怎样把网站上传到空间
  • 怎么做网站的广告网站标题优化可以含几个关键词
  • 网站软件开发宜春公司做网站
  • 慧聪网de网站建设策略简述网站建设的一般流程
  • 免费网站收录网页界面模板下载
  • 北京金融网站建设wordpress发文章后显示两篇
  • 征二级网站建设意见 通知网站优化排名易下拉软件
  • 良乡网站建设网站服务器做缓存吗
  • 网站做百度竞价的标志wordpress 内容采集 差价
  • 软考 系统架构设计师系列知识点之杂项集萃(157)
  • 在线网页制作网站WordPress简单百度站长插件
  • 公司网站上面的动画怎么做个人网站制作教程视频
  • c 网站开发 readonly属性禁忌网站有哪些
  • 7.UE-游戏逆向-绕过游戏的反调试
  • 杨和勒流网站建设太原模板网站建站
  • 什么软件做网站链接seo优化方案怎么写
  • 做培训网站ozon电商平台如何入驻
  • 58同城做网站被骗阿里云需要网站建设方案书
  • 四川泸州做网站的公司有哪些dw网站制作效果怎么做
  • 幸运飞艇网站建设WordPress访问者ip