Python爬蟲入門【3】：美空網數據爬取

美空網數據----簡介

從今天開始，我們嘗試用2篇博客的內容量，搞定一個網站叫做“美空網”網址為：http://www.moko.cc/， 這個網站我分析了一下，我們要爬取的圖片在 下面這個網址

http://www.moko.cc/post/1302075.html

然后在去分析一下，我需要找到一個圖片列表頁面是最好的，作為一個勤勞的爬蟲coder，我找到了這個頁面

http://www.moko.cc/post/da39db43246047c79dcaef44c201492d/list.html

列表頁面被我找到了，貌似沒有分頁，這就簡單多了，但是剛想要爬，就翻車了，我發現一個嚴重的問題。

http://www.moko.cc/post/==da39db43246047c79dcaef44c201492d==/list.html

我要做的是一個自動化的爬蟲，但是我發現，出問題了，上面那個×××背景的位置是啥？

ID，昵稱，個性首頁，這個必須要搞定。

我接下來隨機的找了一些圖片列表頁，試圖找到規律到底是啥？

1. http://www.moko.cc/post/978c74a0375f4edca114e87b0a45a0b5/list.html

2. http://www.moko.cc/post/jundayi/list.html

3. http://www.moko.cc/post/slavik/list.html

4. ......

沒什么問題，發現規律了

http://www.moko.cc/post/==個性昵稱(中文昵稱是一個加密的串)==/list.html

這就有點意思了，我要是能找到盡量多的昵稱，不就能拼接出來我想要得所有地址了嗎

開干！！！

手段，全站亂點，找入口，找切入點，找是否有API

.... .... 結果沒找著

下面的一些備選方案

趴這個頁面，發現只有 20頁 http://www.moko.cc/channels/post/23/1.html

每頁48個模特，20頁。那么也才960人啊，完全覆蓋不到盡可能多的用戶。

接著又找到

http://www.moko.cc/catalog/index.html 這個頁面

確認了一下眼神，以為發現問題了，結果

哎呀，還么有權限，誰有權限，可以跟我交流一下，一時激動，差點去下載他們的APP，然后進行抓包去。

上面兩條路，都不好弄，接下來繼續找路子。

無意中，我看到了一絲曙光

關注名單，點進去

哈哈哈，OK了，這不就是，我要找到的東西嗎？

不多說了，爬蟲走起，測試一下他是否有反扒機制。

我找到了一個關注的人比較多的頁面，1500多個人

http://www.moko.cc/subscribe/chenhaoalex/1.html

然后又是一波分析操作

美空網數據----爬蟲數據存儲

確定了爬蟲的目標，接下來，我做了兩件事情，看一下，是否對你也有幫助

1. 確定數據存儲在哪里？最后我選擇了MongoDB
2. 用正則表達式去分析網頁數據

對此，我們需要安裝一下MongoDB，安裝的辦法肯定是官網教程啦！

https://docs.mongodb.com/master/tutorial/install-mongodb-on-red-hat/

如果官方文檔沒有幫助你安裝成功。

那么我推薦下面這篇博客

https://www.cnblogs.com/hackyo/p/7967170.html

安裝MongoDB出現如下結果

接下來，你要學習的是 關于mongodb用戶權限的管理

http://www.cnblogs.com/shiyiwen/p/5552750.html

mongodb索引的創建

https://blog.csdn.net/salmonellavaccine/article/details/53907535

別問為啥我不重新寫一遍，懶唄~~~ 況且這些資料太多了，互聯網大把大把的。

一些我經常用的mongdb的命令

鏈接 mongo --port <端口號>

選擇數據庫 use admin 

展示當前數據庫  db 

當前數據庫授權  db.auth("用戶名","密碼")

查看數據庫  show dbs

查看數據庫中的列名  show collections 

創建列  db.createCollection("列名")

創建索引 db.col.ensureIndex({"列名字":1},{"unique":true})

展示所有索引 db.col.getIndexes()

刪除索引 db.col.dropIndex("索引名字")  

查找數據  db.列名.find()

查詢數據總條數  db.列名.find().count() 
Python資源分享qun 784758214 ,內有安裝包，PDF，學習視頻，這里是Python學習者的聚集地，零基礎，進階，都歡迎

上面基本是我最常用的了，我們下面實際操作一把。

美空網數據----用Python鏈接MongoDB

使用 pip3 安裝pymongo庫

使用pymongo模塊連接mongoDB數據庫

一些準備工作

1. 創建dm數據庫

   鏈接上mongodb 在終端使用命令 mongo --port 21111

[linuxboy@localhost ~]$ mongo --port 21111
MongoDB shell version v3.6.5
connecting to: mongodb://127.0.0.1:21111/
MongoDB server version: 3.6.5
> 

1. 配置用戶權限：接著上面輸入命令 show dbs 查看權限

權限不足

1. 創建管理用戶

db.createUser({user: "userAdmin",pwd: "123456", roles: [ { role: "userAdminAnyDatabase", db: "admin" } ] } )

1. 授權用戶

db.auth("userAdmin","123456")

1. 查看權限

> db.auth("userAdmin","123456")
1
> show dbs
admin   0.000GB
config  0.000GB
local   0.000GB
moko    0.013GB
test    0.000GB
> 
Python資源分享qun 784758214 ,內有安裝包，PDF，學習視頻，這里是Python學習者的聚集地，零基礎，進階，都歡迎

1. 接下來創建 dm數據庫<在這之前還需要創建一個讀寫用戶>

> use dm
switched to db dm
> db
dm
> db.createUser({user: "dba",pwd: "dba", roles: [ { role: "readWrite", db: "dm" } ] } )
Successfully added user: {
    "user" : "dba",
    "roles" : [
        {
            "role" : "readWrite",
            "db" : "dm"
        }
    ]
}
> 

1. 重新授權

db.auth("dba","dba")

1. 創建一列數據

> db.createCollection("demo")
{ "ok" : 1 }
> db.collections
dm.collections
> show collections
demo
> 

1. Python實現插入操作

import pymongo as pm  #確保你已經安裝過pymongo了

 # 獲取連接
client = pm.MongoClient('localhost', 21111)  # 端口號是數值型

# 連接目標數據庫
db = client.dm

# 數據庫用戶驗證
db.authenticate("dba", "dba")
post = {
        "id": "111111",
        "level": "MVP",
        "real":1,
        "profile": '111',
        'thumb':'2222',
        'nikename':'222',
        'follows':20
}

db.col.insert_one(post) # 插入單個文檔

# 打印集合第1條記錄
print (db.col.find_one())

1. 編譯執行

[linuxboy@bogon moocspider]$ python3 mongo.py
{'_id': ObjectId('5b15033cc3666e1e28ae5582'), 'id': '111111', 'level': 'MVP', 'real': 1, 'profile': '111', 'thumb': '2222', 'nikename': '222', 'follows': 20}
[linuxboy@bogon moocspider]$ 

好了，我們到現在為止，實現了mongodb的插入問題。

美空網數據----用Python 爬取關注對象

首先，我需要創造一個不斷抓取鏈接的類

這個類做的事情，就是分析

http://www.moko.cc/subscribe/chenhaoalex/1.html

這個頁面，總共有多少頁，然后生成鏈接

抓取頁面中的總頁數為77

正則表達式如下

onfocus=\"this\.blur\(\)\">(\d*?)<

在這里，由所有的分頁都一樣，所以，我匹配了全部的頁碼，然后計算了數組中的最大值

#獲取頁碼數組
pages = re.findall(r'onfocus=\"this\.blur\(\)\">(\d*?)<',content,re.S)   #獲取總頁數
page_size = 1
if pages:  #如果數組不為空
    page_size = int(max(pages))   #獲取最大頁數

接下來就是我們要搞定的生產者編碼階段了，我們需要打造一個不斷獲取連接的爬蟲

簡單的說就是

我們需要一個爬蟲，不斷的去爬取

http://www.moko.cc/subscribe/chenhaoalex/1.html 這個頁面中所有的用戶，并且還要爬取到總頁數。

比如查看上述頁面中,我們要獲取的關鍵點如下

通過這個頁面，我們要得到，這樣子的一個數組，注意下面數組中有個位置【我用爬蟲爬到的】這個就是關鍵的地方了

all_urls = [
    "http://www.moko.cc/subscribe/chenhaoalex/1.html",
    "http://www.moko.cc/subscribe/chenhaoalex/2.html",
    "http://www.moko.cc/subscribe/chenhaoalex/3.html",
    "http://www.moko.cc/subscribe/chenhaoalex/4.html",
    ......
    "http://www.moko.cc/subscribe/dde760d5dd6a4413aacb91d1b1d76721/1.html"
    "http://www.moko.cc/subscribe/3cc82db2231a4449aaa97ed8016b917a/1.html"
    "http://www.moko.cc/subscribe/d45c1e3069c24152abdc41c1fb342b8f/1.html"
    "http://www.moko.cc/subscribe/【我用爬蟲爬到的】/1.html"

    ]

引入必備模塊

# -*- coding: UTF-8 -*-
import requests   #網絡請求模塊
import random     #隨機模塊
import re         #正則表達式模塊
import time       #時間模塊
import threading  #線程模塊
import pymongo as pm   #mongodb模塊

接下來，我們需要準備一個通用函數模擬UserAgent做一個簡單的反爬處理

class Config():
    def getHeaders(self):
        user_agent_list = [ \
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/22.0.1207.1 Safari/537.1" \
            "Mozilla/5.0 (X11; CrOS i686 2268.111.0) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.57 Safari/536.11", \
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1092.0 Safari/536.6", \
            "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.6 (KHTML, like Gecko) Chrome/20.0.1090.0 Safari/536.6", \
            "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/19.77.34.5 Safari/537.1", \
            "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.9 Safari/536.5", \
            "Mozilla/5.0 (Windows NT 6.0) AppleWebKit/536.5 (KHTML, like Gecko) Chrome/19.0.1084.36 Safari/536.5", \
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", \
            "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", \
            "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_8_0) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3", \
            "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3", \
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1062.0 Safari/536.3", \
            "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", \
            "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", \
            "Mozilla/5.0 (Windows NT 6.1) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.1 Safari/536.3", \
            "Mozilla/5.0 (Windows NT 6.2) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1061.0 Safari/536.3", \
            "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24", \
            "Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24"
        ]
        UserAgent=random.choice(user_agent_list)
        headers = {'User-Agent': UserAgent}
        return headers

編寫生產者的類和核心代碼,Producer繼承threading.Thread

#生產者
class Producer(threading.Thread):

    def run(self):
        print("線程啟動...")
        headers = Config().getHeaders()

if __name__ == "__main__":
    p = Producer()
    p.start()

測試運行，一下，看是否可以啟動

[linuxboy@bogon moocspider]$ python3 demo.py
線程啟動...
{'User-Agent': 'Mozilla/5.0 (Windows NT 6.2; WOW64) AppleWebKit/535.24 (KHTML, like Gecko) Chrome/19.0.1055.1 Safari/535.24'}
[linuxboy@bogon moocspider]$ 

如果上面的代碼沒有問題，接下來就是我們爬蟲代碼部分了，為了方便多線程之間的調用，我們還是創建一個共享變量在N個線程之間調用

# -*- coding: UTF-8 -*-
import requests
import random
import re
import time
import threading
import pymongo as pm

 # 獲取連接
client = pm.MongoClient('localhost', 21111)  # 端口號是數值型

# 連接目標數據庫
db = client.moko

# 數據庫用戶驗證
db.authenticate("moko", "moko")

urls = ["http://www.moko.cc/subscribe/chenhaoalex/1.html"]
index = 0   #索引
g_lock = threading.Lock()  #初始化一個鎖  

#生產者
class Producer(threading.Thread):

    def run(self):
        print("線程啟動...")
        headers = Config().getHeaders()
        print(headers)
        global urls
        global index 
        while True:
            g_lock.acquire() 
            if len(urls)==0:
                g_lock.release() 
                continue
            page_url = urls.pop()
            g_lock.release() #使用完成之后及時把鎖給釋放，方便其他線程使用
            response = ""
            try:
                response = requests.get(page_url,headers=headers,timeout=5)

            except Exception as http:
                print("生產者異常")
                print(http)
                continue       
            content = response.text 

            rc = re.compile(r'<a class=\"imgBorder\" href=\"\/(.*?)\" hidefocus=\"true\">')
            follows = rc.findall(content)
            print(follows)
            fo_url = []
            threading_links_2 = []
            for u in follows:   
                this_url = "http://www.moko.cc/subscribe/%s/1.html" % u 
                g_lock.acquire()
                index += 1 
                g_lock.release()
                fo_url.append({"index":index,"link":this_url})
                threading_links_2.append(this_url)

            g_lock.acquire()
            urls += threading_links_2
            g_lock.release()
            print(fo_url)

            try:
                db.text.insert_many(fo_url,ordered=False )
            except:
                continue

if __name__ == "__main__":
    p = Producer()
    p.start()

上面代碼除了基本操作以外，我做了一些細小的處理

現在說明如下

fo_url.append({"index":index,"link":this_url})

這部分代碼，是為了消費者使用時候，方便進行查找并且刪除操作而特意改造的，增加了一個字段index作為標識

第二個部分，插入數據的時候，我進行了批量的操作使用的是insert_many函數，并且關鍵的地方，我增加了一個ordered=False的操作，這個地方大家可以自行研究一下，我的目的是去掉重復數據，默認情況下insert_many函數如果碰到數據重復，并且在mongodb中創建了索引==創建索引的辦法，大家自行翻閱文章上面==，那么是無法插入的，但是這樣子會插入一部分，只把重復的地方略過，非常方便。

關于pymongo的使用，大家可以參考官網手冊

這個是 pymongo的官方教程

http://api.mongodb.com/python/current/api/pymongo/collection.html?highlight=insert_many#pymongo.collection.Collection.insert_many

MongoDB的手冊大家也可以參考

https://docs.mongodb.com/manual/reference/method/db.collection.insertMany/

 db.text.insert_many(fo_url,ordered=False )

我們鏈接上MongoDB數據庫，查詢一下我們剛剛插入的數據

> show collections
col
links
text
> db.text
moko.text
> db.text.find()
{ "_id" : ObjectId("5b1789e0c3666e642364a70b"), "index" : 1, "link" : "http://www.moko.cc/subscribe/dde760d5dd6a4413aacb91d1b1d76721/1.html" }
{ "_id" : ObjectId("5b1789e0c3666e642364a70c"), "index" : 2, "link" : "http://www.moko.cc/subscribe/3cc82db2231a4449aaa97ed8016b917a/1.html" }
.......
{ "_id" : ObjectId("5b1789e0c3666e642364a71e"), "index" : 20, "link" : "http://www.moko.cc/subscribe/8c1e4c738e654aad85903572f9090adb/1.html" }
Type "it" for more

其實上面代碼，有一個非常嚴重的BUG，就是當我們實際操作的時候，發現，我們每次獲取到的都是我們使用this_url = "http://www.moko.cc/subscribe/%s/1.html" % u 進行拼接的結果。

也就是說，我們獲取到的永遠都是第1頁。這個按照我們之前設計的就不符合邏輯了，

我們還要獲取到分頁的內容，那么這個地方需要做一個簡單的判斷，就是下面的邏輯了。

==如果完整代碼，大家不知道如何觀看，可以直接翻閱到文章底部，有對應的github鏈接==

#如果是第一頁，那么需要判斷一下
#print(page_url)
is_home =re.search(r'(\d*?)\.html',page_url).group(1)
if is_home == str(1):
    pages = re.findall(r'onfocus=\"this\.blur\(\)\">(\d*?)<',content,re.S)   #獲取總頁數
    page_size = 1
    if pages:
        page_size = int(max(pages))   #獲取最大頁數
        if page_size > 1:   #如果最大頁數大于1，那么獲取所有的頁面
            url_arr = []
            threading_links_1 = []
            for page in range(2,page_size+1):
                url =  re.sub(r'(\d*?)\.html',str(page)+".html",page_url)  
                threading_links_1.append(url)
                g_lock.acquire()
                index += 1 
                g_lock.release()

                url_arr.append({ "index":index, "link": url})

            g_lock.acquire()
            urls += threading_links_1  #  URL數據添加
            g_lock.release()
            try:
                db.text.insert_many(url_arr,ordered=False )
            except Exception as e:
                print("數據庫輸入異常")
                print (e)
                continue

        else:
            pass
    else:
            pass

截止到現在為止，其實你已經實現了鏈接的生產者了 。

我們在MongoDB中生成了一堆鏈接，接下來就是使用階段了。

使用起來也是非常簡單。

我先給大家看一個比較復雜的正則表達式爬蟲寫的好不好，正則表達式站很重要的比例哦~

divEditOperate_(?P<ID>\d*)[\"] .*>[\s\S]*?<p class=\"state\">.*?(?P<級別>\w*P).*</span></span>(?P<是否認證><br/>)?.*?</p>[\s\S]*?<div class=\"info clearfix\">[\s\S]*?<a class=\"imgBorder\" href=\"\/(?P<主頁>.*?)\" hidefocus=\"true\">[\s\S]*?<img .*?src=\"(?P<頭像>.*?)\".*?alt=\".*?\" title=\"(?P<昵稱>.*?)\" />[\s\S]*?<p class=\"font12 lesserColor\">(?P<地點>.*?)&nbsp.*?<span class=\"font12 mainColor\">(?P<粉絲數目>\d*?)</span>

上面這個正則表達式，就是我為

http://www.moko.cc/subscribe/chenhaoalex/1.html 

這個頁面專門準備的。

這樣子，我就可以直接獲取到我想要的所有數據了。

消費者的代碼如下

get_index = 0
#消費者類
class Consumer(threading.Thread):

    def run(self):
        headers = Config().getHeaders()

        global get_index 
        while True:

            g_lock.acquire() 
            get_index += 1
            g_lock.release()
            #從剛才數據存儲的列里面獲取一條數據，這里用到find_one_and_delete方法
            #get_index 需要聲明成全局的變量
            link = db.links.find_one_and_delete({"index":get_index})
            page_url = ""
            if link:
                page_url = link["link"]
                print(page_url+">>>網頁分析中...")
            else:
                continue

            response = ""
            try:
                response = requests.get(page_url,headers=headers,timeout=5)

            except Exception as http:
                print("消費者有異常")
                print(http)
                continue

            content = response.text 
            rc = re.compile(r'divEditOperate_(?P<ID>\d*)[\"] .*>[\s\S]*?<p class=\"state\">.*?(?P<級別>\w*P).*</span></span>(?P<是否認證><br/>)?.*?</p>[\s\S]*?<div class=\"info clearfix\">[\s\S]*?<a class=\"imgBorder\" href=\"\/(?P<主頁>.*?)\" hidefocus=\"true\">[\s\S]*?<img .*?src=\"(?P<頭像>.*?)\".*?alt=\".*?\" title=\"(?P<昵稱>.*?)\" />[\s\S]*?<p class=\"font12 lesserColor\">(?P<地點>.*?)&nbsp.*?<span class=\"font12 mainColor\">(?P<粉絲數目>\d*?)</span>')
            user_info = rc.findall(content)
            print(">>>>>>>>>>>>>>>>>>>>")
            users = []
            for user in user_info:
                post = {
                    "id": user[0],
                    "level": user[1],
                    "real":user[2],
                    "profile": user[3],
                    'thumb':user[4],
                    'nikename':user[5],
                    'address':user[6],
                    'follows':user[7]
                }

                users.append(post)
            print(users)

            try:
                db.mkusers.insert_many(users,ordered=False )
            except Exception as e:
                print("數據庫輸入異常")
                print (e)
                continue

            time.sleep(1)

            print("<<<<<<<<<<<<<<<<<<<<")
Python資源分享qun 784758214 ,內有安裝包，PDF，學習視頻，這里是Python學習者的聚集地，零基礎，進階，都歡迎

當你使用python3 demo.py 編譯demo之后，屏幕滾動如下結果，那么你成功了。

接下來就可以去數據庫查閱數據去了。

[linuxboy@bogon moocspider]$ python3 demo.py
線程啟動...
{'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.3 (KHTML, like Gecko) Chrome/19.0.1063.0 Safari/536.3'}
http://www.moko.cc/subscribe/chenhaoalex/2.html>>>網頁分析中...
['dde760d5dd6a4413aacb91d1b1d76721', '3cc82db2231a4449aaa97ed8016b917a', 'a1835464ad874eec92ccbb31841a7590', 'c9ba6a47a246494398d4e26c1e0b7e54', '902fe175e668417788a4fb5d4de7ab99', 'dcb8f11265594f17b821a6d90caf96a7', '7ea0a96621eb4ed99c9c642936559c94', 'd45c1e3069c24152abdc41c1fb342b8f', 'chenyiqiu', '798522844', 'MEERILLES', 'ddfd9e1f7dca4cffb2430caebd2494f8', 'd19cbd37c87e400e9da42e159560649b', 'ac07e7fbfde14922bb1d0246b9e4374d', '05abc72ac7bb4f738f73028fed17ac23', 'hanzhuoer', 'e12e15aaee654b8aa9f528215bc3294c', '3b6d8dc6fd814789bd484f393b5c9fa8', '83256b93a2f94f449ab75c730cb80a7b', '8c1e4c738e654aad85903572f9090adb']
[{'index': 77, 'link': 'http://www.moko.cc/subscribe/dde760d5dd6a4413aacb91d1b1d76721/1.html'}, {'index': 78, 'link': 'http://www.moko.cc/subscribe/3cc82db2231a4449aaa97ed8016b917a/1.html'}, {'index': 79, 'link': 'http://www.moko.cc/subscribe/a1835464ad874eec92ccbb31841a7590/1.html'}, {'index': 80, 'link': 'http://www.moko.cc/subscribe/c9ba6a47a246494398d4e26c1e0b7e54/1.html'}, {]
>>>>>>>>>>>>>>>>>>>>
[{'id': '3533155', 'level': 'MP', 'real': '', 'profile': 'b1a7e76455cc4ca4b81ed800ab68b308', 'thumb': 'http://img.mb.moko.cc/2018-02-17/d7db42d4-7f34-46d2-a760-c88eb90d6e0d.jpg', 'nikename': '模特九九', 'address': '大連', 'follows': '10'}, {'id': '3189865', 'level': 'VIP', 'real': '', 'profile': 'cfdf1482a9034f65a60bc6a1cf8d6a02', 'thumb': 'http://img.mb.moko.cc/2016-09-30/98c1ddd3-f9a8-4a15-a106-5d664fa7b558.jpg', 'nikename': '何應77', 'address': '杭州', 'follows': '219'}, {'id': '14886', 'level': 'VIP', 'real': '<br/>', 'profile': 'cndp', 'thumb': 'http://img2.moko.cc/users/0/49/14886/logo/img2_des_x3_10100286.jpg', 'nikename': '多拍PGirl', 'address': '北京', 'follows': '2331'}, {'id': '3539257', 'level': 'MP', 'real': '<br/>', 'profile': '605c8fb2824049aa841f21858a7fd142', 'thumb': 'http://img.mb.moko.cc/2018-02':

記得處理數據的時候去掉重復值

>show collections
col
links
mkusers
text
> db.mkusers.find()
{ "_id" : ObjectId("5b17931ec3666e6eff3953bc"), "id" : "3533155", "level" : "MP", "real" : "", "profile" : "b1a7e76455cc4ca4b81ed800ab68b308", "thumb" : "http://img.mb.moko.cc/2018-02-17/d7db42d4-7f34-46d2-a760-c88eb90d6e0d.jpg", "nikename" : "模特九九", "address" : "大連", "follows" : "10" }
{ "_id" : ObjectId("5b17931ec3666e6eff3953bd"), "id" : "3189865", "level" : "VIP", "real" : "", "profile" : "cfdf1482a9034f65a60bc6a1cf8d6a02", "thumb" : "http://img.mb.moko.cc/2016-09-30/98c1ddd3-f9a8-4a15-a106-5d664fa7b558.jpg", "nikename" : "何應77", "address" : "杭州", "follows" : "219" }
{ "_id" : ObjectId("5b17931ec3666e6eff3953be"), "id" : "14886", "level" : "VIP", "real" : "<br/>", "profile" : "cndp", "thumb" : "http://img2.moko.cc/users/0/49/14886/logo/img2_des_x3_10100286.jpg", "nikename" : "多拍PGirl", "address" : "北京", "follows" : "2331" }
{ "_

最后一步，如果你想要把效率提高，修改線程就好了

if __name__ == "__main__":

    for i in range(5):
        p = Producer()
        p.start()

    for i in range(7):
        c = Consumer()
        c.start()
Python資源分享qun 784758214 ,內有安裝包，PDF，學習視頻，這里是Python學習者的聚集地，零基礎，進階，都歡迎

經過3個小時的爬取，我獲取了70000多美空的用戶ID，原則上，你可以獲取到所有的被關注者的，不過這些數據對我們測試來說，已經足夠使用。