av成人电影先锋,中文乱伦网,久久久久成人无码,午夜精品久久久久久久蜜桃麻豆视,人人草人人草人人,免费中文中文A片,激情小说激情视频,中文精品欧美无线码一区

“

閱讀本文大概需要 3 分鐘。

”

轉(zhuǎn)載來源

公眾號：GitHub中文社區(qū)? 作者：huber

最近國內(nèi)一位開發(fā)者在 GitHub 上開源了個集眾多數(shù)據(jù)源于一身的爬蟲工具箱——InfoSpider，一不小心就火了！！！

有多火呢？開源沒幾天就登上GitHub周榜第四，標星1.3K，累計分支 172 個。同時作者已經(jīng)開源了所有的項目代碼及使用文檔，并且在B站上還有使用視頻講解。

在這樣一個信息爆炸的時代，每個人都有很多個賬號，賬號一多就會出現(xiàn)這么一個情況：個人數(shù)據(jù)分散在各種各樣的公司之間，就會形成數(shù)據(jù)孤島，多維數(shù)據(jù)無法融合，這個項目可以幫你將多維數(shù)據(jù)進行融合并對個人數(shù)據(jù)進行分析，這樣你就可以更直觀、深入了解自己的信息。

InfoSpider 是一個集眾多數(shù)據(jù)源于一身的爬蟲工具箱，旨在安全快捷的幫助用戶拿回自己的數(shù)據(jù)，工具代碼開源，流程透明。并提供數(shù)據(jù)分析功能，基于用戶數(shù)據(jù)生成圖表文件，使得用戶更直觀、深入了解自己的信息。?

目前支持數(shù)據(jù)源包括GitHub、QQ郵箱、網(wǎng)易郵箱、阿里郵箱、新浪郵箱、Hotmail郵箱、Outlook郵箱、京東、淘寶、支付寶、中國移動、中國聯(lián)通、中國電信、知乎、嗶哩嗶哩、網(wǎng)易云音樂、QQ好友、QQ群、生成朋友圈相冊、瀏覽器瀏覽歷史、12306、博客園、CSDN博客、開源中國博客、簡書。

根據(jù)創(chuàng)建者介紹，InfoSpider 具有以下特性：

安全可靠：本項目為開源項目，代碼簡潔，所有源碼可見，本地運行，安全可靠。
使用簡單：提供 GUI 界面，只需點擊所需獲取的數(shù)據(jù)源并根據(jù)提示操作即可。
結(jié)構(gòu)清晰：本項目的所有數(shù)據(jù)源相互獨立，可移植性高，所有爬蟲腳本在項目的 Spiders 文件下。
數(shù)據(jù)源豐富：本項目目前支持多達24+個數(shù)據(jù)源，持續(xù)更新。
數(shù)據(jù)格式統(tǒng)一：爬取的所有數(shù)據(jù)都將存儲為json格式，方便后期數(shù)據(jù)分析。
個人數(shù)據(jù)豐富：本項目將盡可能多地為你爬取個人數(shù)據(jù)，后期數(shù)據(jù)處理可根據(jù)需要刪減。
數(shù)據(jù)分析：本項目提供個人數(shù)據(jù)的可視化分析，目前僅部分支持。

InfoSpider使用起來也非常簡單，你只需要安裝python3和Chrome瀏覽器，運行 python3 main.py，在打開的窗口點擊數(shù)據(jù)源按鈕, 根據(jù)提示選擇數(shù)據(jù)保存路徑，接著輸入賬號密碼，就會自動爬取數(shù)據(jù)，根據(jù)下載的目錄就可以查看爬下來的數(shù)據(jù)。

當然如果你想自己去練習和學習爬蟲，作者也開源了所有的爬取代碼，非常適合實戰(zhàn)。

舉個例子，比如爬取taobao的：

import?json
import?random
import?time
import?sys
import?os
import?requests
import?numpy?as?np
import?math
from?lxml?import?etree
from?pyquery?import?PyQuery?as?pq
from?selenium?import?webdriver
from?selenium.webdriver?import?ChromeOptions
from?selenium.webdriver.common.by?import?By
from?selenium.webdriver.support?import?expected_conditions?as?EC
from?selenium.webdriver.support.wait?import?WebDriverWait
from?selenium.webdriver?import?ChromeOptions,?ActionChains
from?tkinter.filedialog?import?askdirectory
from?tqdm?import?trange


def?ease_out_quad(x):
????return?1?-?(1?-?x)?*?(1?-?x)

def?ease_out_quart(x):
????return?1?-?pow(1?-?x,?4)

def?ease_out_expo(x):
????if?x?==?1:
????????return?1
????else:
????????return?1?-?pow(2,?-10?*?x)

def?get_tracks(distance,?seconds,?ease_func):
????tracks?=?[0]
????offsets?=?[0]
????for?t?in?np.arange(0.0,?seconds,?0.1):
????????ease?=?globals()[ease_func]
????????offset?=?round(ease(t?/?seconds)?*?distance)
????????tracks.append(offset?-?offsets[-1])
????????offsets.append(offset)
????return?offsets,?tracks

def?drag_and_drop(browser,?offset=26.5):
????knob?=?browser.find_element_by_id('nc_1_n1z')
????offsets,?tracks?=?get_tracks(offset,?12,?'ease_out_expo')
????ActionChains(browser).click_and_hold(knob).perform()
????for?x?in?tracks:
????????ActionChains(browser).move_by_offset(x,?0).perform()
????ActionChains(browser).pause(0.5).release().perform()

def?gen_session(cookie):
????session?=?requests.session()
????cookie_dict?=?{}
????list?=?cookie.split(';')
????for?i?in?list:
????????try:
????????????cookie_dict[i.split('=')[0]]?=?i.split('=')[1]
????????except?IndexError:
????????????cookie_dict['']?=?i
????requests.utils.add_dict_to_cookiejar(session.cookies,?cookie_dict)
????return?session

class?TaobaoSpider(object):
????def?__init__(self,?cookies_list):
????????self.path?=?askdirectory(title='選擇信息保存文件夾')
????????if?str(self.path)?==?"":
????????????sys.exit(1)
????????self.headers?=?{
????????????'User-Agent':?'Mozilla/5.0?(Macintosh;?Intel?Mac?OS?X?10_14_3)?AppleWebKit/537.36?(KHTML,?like?Gecko)?Chrome/73.0.3683.86?Safari/537.36',
????????}
????????option?=?ChromeOptions()
????????option.add_experimental_option('excludeSwitches',?['enable-automation'])
????????option.add_experimental_option("prefs",?{"profile.managed_default_content_settings.images":?2})??#?不加載圖片,加快訪問速度
????????option.add_argument('--headless')
????????self.driver?=?webdriver.Chrome(options=option)
????????self.driver.get('https://i.taobao.com/my_taobao.htm')
????????for?i?in?cookies_list:
????????????self.driver.add_cookie(cookie_dict=i)
????????self.driver.get('https://i.taobao.com/my_taobao.htm')
????????self.wait?=?WebDriverWait(self.driver,?20)??#?超時時長為10s

????#?模擬向下滑動瀏覽
????def?swipe_down(self,?second):
????????for?i?in?range(int(second?/?0.1)):
????????????#?根據(jù)i的值，模擬上下滑動
????????????if?(i?%?2?==?0):
????????????????js?=?"var?q=document.documentElement.scrollTop="?+?str(300?+?400?*?i)
????????????else:
????????????????js?=?"var?q=document.documentElement.scrollTop="?+?str(200?*?i)
????????????self.driver.execute_script(js)
????????????time.sleep(0.1)

????????js?=?"var?q=document.documentElement.scrollTop=100000"
????????self.driver.execute_script(js)
????????time.sleep(0.1)

????#?爬取淘寶?我已買到的寶貝商品數(shù)據(jù),?pn?定義爬取多少頁數(shù)據(jù)
????def?crawl_good_buy_data(self,?pn=3):

????????#?對我已買到的寶貝商品數(shù)據(jù)進行爬蟲
????????self.driver.get("https://buyertrade.taobao.com/trade/itemlist/list_bought_items.htm")

????????#?遍歷所有頁數(shù)
????????
????????for?page?in?trange(1,?pn):
????????????data_list?=?[]

????????????#?等待該頁面全部已買到的寶貝商品數(shù)據(jù)加載完畢
????????????good_total?=?self.wait.until(
????????????????EC.presence_of_element_located((By.CSS_SELECTOR,?'#tp-bought-root?>?div.js-order-container')))

????????????#?獲取本頁面源代碼
????????????html?=?self.driver.page_source

????????????#?pq模塊解析網(wǎng)頁源代碼
????????????doc?=?pq(html)

????????????#?#?存儲該頁已經(jīng)買到的寶貝數(shù)據(jù)
????????????good_items?=?doc('#tp-bought-root?.js-order-container').items()

????????????#?遍歷該頁的所有寶貝
????????????for?item?in?good_items:
????????????????#?商品購買時間、訂單號
????????????????good_time_and_id?=?item.find('.bought-wrapper-mod__head-info-cell___29cDO').text().replace('\n',?"").replace('\r',?"")
????????????????#?商家名稱
????????????????#?good_merchant?=?item.find('.seller-mod__container___1w0Cx').text().replace('\n',?"").replace('\r',?"")
????????????????good_merchant?=?item.find('.bought-wrapper-mod__seller-container___3dAK3').text().replace('\n',?"").replace('\r',?"")
????????????????#?商品名稱
????????????????#?good_name?=?item.find('.sol-mod__no-br___1PwLO').text().replace('\n',?"").replace('\r',?"")
????????????????good_name?=?item.find('.sol-mod__no-br___3Ev-2').text().replace('\n',?"").replace('\r',?"")
????????????????#?商品價格??
????????????????good_price?=?item.find('.price-mod__price___cYafX').text().replace('\n',?"").replace('\r',?"")
????????????????#?只列出商品購買時間、訂單號、商家名稱、商品名稱
????????????????#?其余的請自己實踐獲取
????????????????data_list.append(good_time_and_id)
????????????????data_list.append(good_merchant)
????????????????data_list.append(good_name)
????????????????data_list.append(good_price)
????????????????#print(good_time_and_id,?good_merchant,?good_name)
????????????????#file_path?=?os.path.join(os.path.dirname(__file__)?+?'/user_orders.json')
????????????????#?file_path?=?"../Spiders/taobao/user_orders.json"
????????????????json_str?=?json.dumps(data_list)
????????????????with?open(self.path?+?os.sep?+?'user_orders.json',?'a')?as?f:
????????????????????f.write(json_str)

????????????#?print('\n\n')

????????????#?大部分人被檢測為機器人就是因為進一步模擬人工操作
????????????#?模擬人工向下瀏覽商品，即進行模擬下滑操作，防止被識別出是機器人
????????????#?隨機滑動延時時間
????????????swipe_time?=?random.randint(1,?3)
????????????self.swipe_down(swipe_time)

????????????#?等待下一頁按鈕?出現(xiàn)
????????????good_total?=?self.wait.until(EC.presence_of_element_located((By.CSS_SELECTOR,?'.pagination-next')))
????????????good_total.click()
????????????time.sleep(2)
????????????#?while?1:
????????????#?????time.sleep(0.2)
????????????#?????try:
????????????#?????????good_total?=?self.driver.find_element_by_xpath('//li[@title="下一頁"]')
????????????#?????????break
????????????#?????except:
????????????#?????????continue
????????????#?#?點擊下一頁按鈕
????????????#?while?1:
????????????#?????time.sleep(2)
????????????#?????try:
????????????#?????????good_total.click()
????????????#?????????break
????????????#?????except?Exception:
????????????#?????????pass

????#?收藏寶貝?傳入爬幾頁?默認三頁??https://shoucang.taobao.com/nodejs/item_collect_chunk.htm?ifAllTag=0&tab=0&tagId=&categoryCount=0&type=0&tagName=&categoryName=&needNav=false&startRow=60
????def?get_choucang_item(self,?page=3):
????????url?=?'https://shoucang.taobao.com/nodejs/item_collect_chunk.htm?ifAllTag=0&tab=0&tagId=&categoryCount=0&type=0&tagName=&categoryName=&needNav=false&startRow={}'
????????pn?=?0
????????json_list?=?[]
????????for?i?in?trange(page):
????????????self.driver.get(url.format(pn))
????????????pn?+=?30
????????????html_str?=?self.driver.page_source
????????????if?html_str?==?'':
????????????????break
????????????if?'登錄'?in?html_str:
????????????????raise?Exception('登錄')
????????????obj_list?=?etree.HTML(html_str).xpath('//li')
????????????for?obj?in?obj_list:
????????????????item?=?{}
????????????????item['title']?=?''.join([i.strip()?for?i?in?obj.xpath('./div[@class="img-item-title"]//text()')])
????????????????item['url']?=?''.join([i.strip()?for?i?in?obj.xpath('./div[@class="img-item-title"]/a/@href')])
????????????????item['price']?=?''.join([i.strip()?for?i?in?obj.xpath('./div[@class="price-container"]//text()')])
????????????????if?item['price']?==?'':
????????????????????item['price']?=?'失效'
????????????????json_list.append(item)
????????#?file_path?=?os.path.join(os.path.dirname(__file__)?+?'/shoucang_item.json')
????????json_str?=?json.dumps(json_list)
????????with?open(self.path?+?os.sep?+?'shoucang_item.json',?'w')?as?f:
????????????f.write(json_str)

????#?瀏覽足跡?傳入爬幾頁?默認三頁??https://shoucang.taobao.com/nodejs/item_collect_chunk.htm?ifAllTag=0&tab=0&tagId=&categoryCount=0&type=0&tagName=&categoryName=&needNav=false&startRow=60
????def?get_footmark_item(self,?page=3):
????????url?=?'https://www.taobao.com/markets/footmark/tbfoot'
????????self.driver.get(url)
????????pn?=?0
????????item_num?=?0
????????json_list?=?[]
????????for?i?in?trange(page):
????????????html_str?=?self.driver.page_source
????????????obj_list?=?etree.HTML(html_str).xpath('//div[@class="item-list?J_redsList"]/div')[item_num:]
????????????for?obj?in?obj_list:
????????????????item_num?+=?1
????????????????item?=?{}
????????????????item['date']?=?''.join([i.strip()?for?i?in?obj.xpath('./@data-date')])
????????????????item['url']?=?''.join([i.strip()?for?i?in?obj.xpath('./a/@href')])
????????????????item['name']?=?''.join([i.strip()?for?i?in?obj.xpath('.//div[@class="title"]//text()')])
????????????????item['price']?=?''.join([i.strip()?for?i?in?obj.xpath('.//div[@class="price-box"]//text()')])
????????????????json_list.append(item)
????????????self.driver.execute_script('window.scrollTo(0,1000000)')
????????#?file_path?=?os.path.join(os.path.dirname(__file__)?+?'/footmark_item.json')
????????json_str?=?json.dumps(json_list)
????????with?open(self.path?+?os.sep?+?'footmark_item.json',?'w')?as?f:
????????????f.write(json_str)

????#?地址
????def?get_addr(self):
????????url?=?'https://member1.taobao.com/member/fresh/deliver_address.htm'
????????self.driver.get(url)
????????html_str?=?self.driver.page_source
????????obj_list?=?etree.HTML(html_str).xpath('//tbody[@class="next-table-body"]/tr')
????????data_list?=?[]
????????for?obj?in?obj_list:
????????????item?=?{}
????????????item['name']?=?obj.xpath('.//td[1]//text()')
????????????item['area']?=?obj.xpath('.//td[2]//text()')
????????????item['detail_area']?=?obj.xpath('.//td[3]//text()')
????????????item['youbian']?=?obj.xpath('.//td[4]//text()')
????????????item['mobile']?=?obj.xpath('.//td[5]//text()')
????????????data_list.append(item)
????????#?file_path?=?os.path.join(os.path.dirname(__file__)?+?'/addr.json')
????????json_str?=?json.dumps(data_list)
????????with?open(self.path?+?os.sep?+?'address.json',?'w')?as?f:
????????????f.write(json_str)


if?__name__?==?'__main__':
????#?pass
????cookie_list?=?json.loads(open('taobao_cookies.json',?'r').read())
????t?=?TaobaoSpider(cookie_list)
????t.get_orders()
????#?t.crawl_good_buy_data()
????#?t.get_addr()
????#?t.get_choucang_item()
????#?t.get_footmark_item()

項目傳送門
項目代碼：?
https://github.com/kangvcar/InfoSpider?

項目使用文檔：
https://infospider.vercel.app?

項目視頻演示：
https://www.bilibili.com/video/BV14f4y1R7oF/

推薦閱讀
1
200 元數(shù)字人民幣面世，騰訊支付寶慌了？！
2
一個非常好用的 Python 魔法庫
3
推薦一款免費開源的通用數(shù)據(jù)庫工具
4??
這款工具不用手寫一行代碼就能做出網(wǎng)站！
好文和朋友一起看~

一位來自國內(nèi)的開發(fā)者的項目在 GitHub 超級火：超全開源爬蟲工具箱！