爬取博客园首页并定时发送到微信

爬取博客园首页并定时发送到微信

为了能及时掌握技术动向，特意写了这个爬虫，每天定时爬取博客园首页并发送至微信。

环境：

Python3.4

第三方库

• Requests:向服务器发送请求
• BeautifulSoup4：解析Html
• wxpy：微信接口
• Schedule：定时器

代码

# -*-coding:utf-8 -*-

import requests
from requests import exceptions
from bs4 import BeautifulSoup as bs
import re
from wxpy import *
import  schedule
import  time


bot=Bot(cache_path=True)

#获取网页内容
def getHtml(pageIndex):
	#定义请求头 伪装成浏览器
    headers={'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36'}
    #pageIndex代表页数
    payload={'CategoryType': 'SiteHome', 'ParentCategoryId': '0', 'CategoryId': '808', 'PageIndex': pageIndex, 'TotalPostCount': '4000'}
    try:
        r=requests.post('https://www.cnblogs.com/mvc/AggSite/PostList.aspx',data=payload,headers=headers)
        r.raise_for_status()
        r.encoding=r.apparent_encoding
        return r.text
    except requests.RequestException as e:
        return e.strerror
#向微信文件传输助手发送消息
def sendblogmsg(content):
	#搜索自己的好友
    #my_friend = bot.friends().search('')[0]
    my_friend=bot.file_helper
    my_friend.send(content)
    
def job():
    contents=''
    #i表示当前页数
    for i in range(1,3):
        html=getHtml(i)
        soup=bs(html,"html.parser")
        blogs=soup.findAll("div",{'class':'post_item_body'})
        for blog in blogs:
            title=blog.find('h3').get_text()
            summary=blog.find('p',{'class':'post_item_summary'}).get_text()
            link=blog.find('a',{'class':'titlelnk'})['href']
            content='标题：'+title+'\n链接：'+link+'\n-----------\n'
            contents+=content
        sendblogmsg(contents)
#定时
schedule.every().day.at("06:00").do(job)
while True:
    schedule.run_pending()
    time.sleep(1)
bot.join()    

注意事项：

• 不要进行恶意攻击行为
• 尽量在空闲时间访问网站，控制访问频率，不要恶意消耗网站资源