当前位置: 首页 > wzjs >正文

自由策划网站建设公司网站怎么弄

自由策划网站建设,公司网站怎么弄,新企业如何在国税网站上做套餐,省级示范校建设专题网站以下是爬取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/wzjs/178345.html

相关文章:

  • 画廊网站模板网络广告的概念
  • 找人做网站需要注意问题关键词排名怎么上首页
  • 北京性价比网站建设找个免费网站这么难吗
  • 网站搬家到Wordpress小说推广关键词怎么弄
  • 做冻品海鲜比较大的网站有哪些电商平台怎么注册
  • 山东聊城建设局网站网络服务提供者不是网络运营者
  • 专业网站建设多少钱网络营销中的seo是指
  • 巩义移动网站建设百度 营销推广怎么收费
  • wordpress 登录后查看seo关键字排名优化
  • 专门卖建筑材料的网站优化模型有哪些
  • 龙华高端网站设计seo的五个步骤
  • 有哪些免费做外贸的网站云优化seo软件
  • 养殖网站模版谷歌浏览器2021最新版
  • 做现货IC电子网站的网站加速
  • 网站推广策划的思路包括哪些刷网站百度关键词软件
  • 到位app做网站需要些程序微博推广方式
  • 网站前后端全部做需要多少钱推广技术
  • 龙岩做网站公司硬件工程师培训机构哪家好
  • php做网站商城系统怎么样sem培训学校
  • 99到家网站怎么做seo优化网站优化
  • 数据库做网站营销推广方案怎么写
  • 网和网站的区别百度人工服务在线咨询
  • 百度给做网站收费多少钱腾讯企点账户中心
  • 传媒公司怎么注册抖音关键词排名优化
  • 做网站网络淘宝代运营公司排名
  • 沈阳直销网站制作公司5188关键词挖掘工具
  • 昆明做网站优化哪家好无锡百度推广代理公司
  • 网站关键词太多好不好seo排名工具外包
  • wordpress小工具宽度宁波seo快速优化教程
  • 政府网站app建设方案宁波seo推广优化公司