再论pyquery

发现对于QQ群

空间文件的抓取毫无办法。

QQ空间的代码可圈可点：

做了一个js的“客户端”，第一次加载时，将文件的列表信息全部抓取出来，然后基于js进行翻页和排序。

因此，想要抓取js渲染的dom，是不可能的，此处只能用js或者jq来操作了。

 

对于这种情况，得用js写“爬虫”逻辑。

 

附上qq空间群文件的抓取逻辑，如下：

var getDom = function(cls){return document.getElementsByClassName(cls);};
var clickPage = function(index){
   pages = getDom("ui_mr5");
   for(j=0;j<pages.length;j++){
       if(pages[j].innerText==(''+index))
          pages[j].click();	
   }
};
var showAllResource =function(page_count){
	for(p = 1; p<=page_count; p++){
		clickPage(p);
		names = getDom("td_name");
		sizes= getDom("td_size");
		authors = getDom("td_uploaded_author");
		times = getDom("td_time");
		for(i =0 ;i<names.length;i++){console.log(names[i].title+","+sizes[i].innerText+","+authors[i].innerText+","+times[i].innerText);}
	}
};

　

调用方法，直接在浏览器的console里面执行以上代码后调用：showAllResource(最大的页码); 

 

转载请注明，本文来自：http://www.cnblogs.com/Tommy-Yu/p/4009765.html，谢谢！