用python实现爬取CSDN热门评论URL并存入redis

一、配置webdriver

下载谷歌浏览器驱动,并配置好

import time
import random
from PIL import Image
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
if __name__ == '__main__':
    options = webdriver.ChromeOptions()
    options.binary_location = r'C:\Users\hhh\AppData\Local\Google\Chrome\Application\谷歌浏览器.exe'
    # driver=webdriver.Chrome(executable_path=r'D:\360Chrome\chromedriver\chromedriver.exe')
    driver = webdriver.Chrome(options=options)
    #以java模块为例
    driver.get('https://www.csdn.net/nav/java')
    for i in range(1,20):
        driver.execute_script("window.scrollTo(0, document.body.scrollHeight)")
        time.sleep(2)

二、获取URL

from bs4 import BeautifulSoup
from lxml import etree 
html = etree.HTML(driver.page_source)
# soup = BeautifulSoup(html, 'lxml')
# soup_herf=soup.find_all("#feedlist_id > li:nth-child(1) > div > div > h2 > a")
# soup_herf
title = html.xpath('//*[@id="feedlist_id"]/li/div/div/h2/a/@href')

可以看到,一下爬取了很多,速度非常快
在这里插入图片描述

三、写入Redis

导入redis包后,配置redis端口和redis数据库,用rpush函数写入
打开redis在这里插入图片描述

import redis
r_link = redis.Redis(port='6379', host='localhost', decode_responses=True, db=1)
for u in title:
        print("准备写入{}".format(u))
        r_link.rpush("csdn_url", u)
        print("{}写入成功!".format(u))
print('=' * 30, '\n', "共计写入url:{}个".format(len(title)), '\n', '=' * 30)

在这里插入图片描述

大功告成!

在Redis Desktop Manager中可以看到,爬取和写入都是非常的快。
在这里插入图片描述
要使用只需用rpop出栈就OK

one_url = r_link.rpop("csdn_url)")
while one_url:
    print("{}被弹出!".format(one_url))
相关推荐
©️2020 CSDN 皮肤主题: 书香水墨 设计师:CSDN官方博客 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值