百家号爬虫（获取各领域创作者appid）

最新推荐文章于 2024-03-31 04:19:49 发布

偲偲粑

最新推荐文章于 2024-03-31 04:19:49 发布

阅读量2.3k

点赞数 1

分类专栏：小项目文章标签：百家号爬虫

本文链接：https://blog.youkuaiyun.com/weixin_43329319/article/details/90381735

版权

本文为爬虫及数据分析学习文章，网页解析方法较笨，仅作纪念。

百家号爬虫（获取各领域创作者appid）

由于百度的限制，每个领域最多能获取760个id

#!/usr/bin/env python3
# -*- coding: utf-8 -*-


from urllib.parse import quote
from urllib import request
from bs4 import BeautifulSoup
from urllib import error
from openpyxl import Workbook
import time

#Some User Agents
hds=[{'User-Agent':'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US; rv:1.9.1.6) Gecko/20091201 Firefox/3.5.6'},\
{'User-Agent':'Mozilla/5.0 (Windows NT 6.2) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.12 Safari/535.11'},\
{'User-Agent': 'Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Trident/6.0)'}]


#当遍历账号后，百度搜索结果会重新开始；所以要获取第一个name，作为停止的判断标准
def name_first(field):
    url = 'https://www.baidu.com/sf?word=%E7%99%BE%E5%AE%B6%E5%8F%B7%2B'\
    +quote(field)+'&pd=cambrian_list&a