資訊專欄INFORMATION COLUMN
摘要：按照同樣的方式扒取所有的自己的用戶。但是為了尊重人家隱私權，好吧，就這樣吧，我也不能做啥。
這幾天我很焦慮，受不了那些先follow我，等我follow回去后又unfollow的人，因為是他們先follow我的，我出于人道主義想著互粉一下的，結果這么對我，太不厚道了。github又不像微博那樣有互粉標志，這真的整得我很心煩，于是想著寫一個爬蟲，把這些“壞人”揪出來~
第一步，當然是放出代碼啦，代碼放在我的github上，歡迎給star:
https://github.com/laurel-he/...
我是一個python初學者，完全小白，所以只能用比較蠢的方法來扒，以下是我的步驟：
1 扒取整個頁面
# -*- coding:UTF-8 -*-
import requests
if __name__ == "__main__":
target = "https://github.com/laurel-he?tab=followers"
req = requests.get(url=target)
fo = open("1.txt", "ab+")
fo.write((req.text).encode("UTF-8"))
fo.close()
以上代碼可以將整個文件的html扒取下來，接下來找到用戶，在follower里面隨便找到一個用戶，在剛才生成的txt文件中搜索，然后就可以得到如下匹配：
data-octo-dimensions="link_type:self".href="/(.?)"
可以直接匹配出用戶名。
2 根據正則獲取匹配的用戶
剛才已經把整個頁面扒取下來了，代碼放在spider/follwers/url.py，txt文件效果如下：
但是我想要獲取的是所有follwer，之前已經得到了對應的正則表達式，那么得到所有的follwer很容易，最終代碼如下：
# -*- coding:UTF-8 -*-
import requests
import re
if __name__ == "__main__":
target = "https://github.com/laurel-he?tab=followers"
req = requests.get(url=target)
context = req.text
patt = re.compile(r"data-octo-dimensions="link_type:self".*href="/(.*?)"")
ch = patt.findall(req.text)
fo = open("flower.txt","ab+")
for i in ch:
line = str(i) + "
"
fo.write((line).encode("UTF-8")+b"
")
fo.close
以上代碼可以直接扒取所有follwers，但是出現了兩遍，因為我這個表達式每個名字會匹配到兩次，下一版本會更換正則表達式，先將就用吧，然后如法炮制扒取第二頁第三頁，只需要更改鏈接地址，加上page就可以，同時也可以把文件寫入方式變成追加方式，或者干脆每次都新建一個文件，無所謂，總之最終將所有用戶扒取下來。按照同樣的方式扒取所有的自己follwing的用戶。
這里注意的是，代碼里一定要加上換行！換行符不加就是一團亂麻，啥也看不清。
換行符添加后不成功的話試試加上"r"，也許就能成功了；
還是不成功的話看看報錯是不是這個樣子滴：
是的話加上b方法，轉化成byte~
3 接下來是最傻最騷的操作-對比
想要找出來那個沒有follow自己的人，只能進行對比，我目前用了一個很傻的辦法就是新建一個excel文件，按照列粘貼所有數據，然后按照升序或降序排行（兩列排列方式要一樣），然后肉眼來對比?。?！
其實我還是覺得我要瞎了，但是真的比起一個個看好多了，以后繼續(xù)想更好的辦法，總之我是揪出來那個壞人了。。。但是為了尊重人家隱私權，好吧，就這樣吧，我也不能做啥。
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規(guī)行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://systransis.cn/yun/41911.html
摘要：時間永遠都過得那么快，一晃從年注冊，到現在已經過去了年那些被我藏在收藏夾吃灰的文章，已經太多了，是時候把他們整理一下了。那是因為收藏夾太亂，橡皮擦給設置私密了，不收拾不好看呀。 ...
閱讀 2919·2021-11-24 09:39
閱讀 1176·2021-11-02 14:38
閱讀 4177·2021-09-10 11:26
閱讀 2764·2021-08-25 09:40
閱讀 2320·2019-08-30 15:54
閱讀 492·2019-08-30 10:56
閱讀 2758·2019-08-26 12:14
閱讀 3228·2019-08-26 12:13
