wechat_spider

搜狗微信基于关键词爬取相关微信公众号文章

• 基于Scrapy 框架

• 利用selenium + phantomjs 进行页面渲染

• 存取爬取的内容到MongoDB

• 利用BeautifulSoup进行爬取免费代理网站IP，设计IP代理池和请求池

爬取IP并存入数据库

运行wechatpub目录下的getproxy.py文件，爬取IP，存入MongoDB；

根据关键词爬取文章链接

在项目目录下，键入命令：

# scrapy crawl pubinfospider

提示输入搜索关键词后键入关键词，即开始爬取，爬取的文章链接存入数据库；

根据存取的文章链接爬取文章

在项目目录下，键入命令：

# scrapy crawl postspider

爬取并存入数据库。