当前位置: 首页 > wzjs >正文

沙坪坝做网站网站建设书籍推荐

沙坪坝做网站,网站建设书籍推荐,珠海营销营网站建设,深圳室内设计公司排行以下是爬取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/537483.html

相关文章:

  • 建一个com网站要多少钱wordpress自媒体主题免费下载
  • 新化网站建设安徽省校园网站建设
  • 在家给别人做网站合法吗wordpress模版制作工具
  • 简历生成网站qq登录网站怎么做
  • 广州洲聚网站开发wordpress怎么画表格
  • 配资网站建设多少钱ucenter 整合两个数据库网站
  • 网站开发基本流程ppt无代码搭建平台
  • wordpress在这个站点注册做网站公司排名是什么
  • 青龙建站网邹城市建设银行网站
  • 珠海建网站的联系方式江苏网站建设找拉米拉
  • 建设网站公司移动版网站怎么做
  • 徐州网站制作方法qq交流群功能介绍
  • 典型网站开发的流程图北京建网站公司推荐
  • 西安做网站公司必达平台网站建设制作
  • wix怎么做网页网站优化柳州
  • 汕头专业网站建设公司seo网站推广平台
  • 网站怎么提高权重免费的发帖收录网站
  • dedecms网站的源码如何安装空间域名
  • 2016网站备案浏览器主页网址
  • 官方网站welcome专业电商网站建设多少钱
  • 宣武富阳网站建设机加工外贸网站
  • 网站微信分享怎么做wordpress 头部导航栏
  • 什么叫门户类网站企业一号wordpress主题
  • 可以做卷子的网站广东省建设交易中心网站
  • wordpress是建站最快的网站地址栏
  • 哪些网站可宣传seo是什么服
  • 如何在自己网站上做支付宝吗学校的二级网站怎么建设
  • 提升了自己的网站网站网页模板
  • 建设一个网站怎么赚钱天津制作公司网站
  • 网站策划书如何做网站推广和网站优化