Python爬蟲實戰，argparse模組，Github使用者粉絲資料爬蟲

阿新 • • 發佈：2021-06-26

前言

主要目標是爬取Github上指定使用者的粉絲資料以及對爬取到的資料進行一波簡單的視覺化分析。
讓我們愉快地開始吧~

開發工具

Python版本：3.6.4

相關模組：

bs4模組；

requests模組；

argparse模組；

pyecharts模組；

以及一些python自帶的模組。

環境搭建

安裝Python並新增到環境變數，pip安裝需要的相關模組即可。

資料爬取

感覺好久沒用beautifulsoup了，所以今天就用它來解析網頁從而獲得我們自己想要的資料唄。以我自己的賬戶為例：

我們先抓取所有關注者的使用者名稱，它在類似如下圖所示的標籤中：

用beautifulsoup可以很方便地提取它們：

'''獲得followers的使用者名稱'''
def getfollowernames(self):
    print('[INFO]: 正在獲取%s的所有followers使用者名稱...' % self.target_username)
    page = 0
    follower_names = []
    headers = self.headers.copy()
    while True:
        page += 1
        followers_url = f'https://github.com/{self.target_username}?page={page}&tab=followers'
        try:
            response = requests.get(followers_url, headers=headers, timeout=15)
            html = response.text
            if 've reached the end' in html:
                break
            soup = BeautifulSoup(html, 'lxml')
            for name in soup.find_all('span', class_='link-gray pl-1'):
                print(name)
                follower_names.append(name.text)
            for name in soup.find_all('span', class_='link-gray'):
                print(name)
                if name.text not in follower_names:
                    follower_names.append(name.text)
        except:
            pass
        time.sleep(random.random() + random.randrange(0, 2))
        headers.update({'Referer': followers_url})
    print('[INFO]: 成功獲取%s的%s個followers使用者名稱...' % (self.target_username, len(follower_names)))
    return follower_names

接著，我們就可以根據這些使用者名稱進入到他們的主頁來抓取對應使用者的詳細資料了，每個主頁連結的構造方式為：

https://github.com/ + 使用者名稱
例如: https://github.com/CharlesPikachu

我們想要抓取的資料包括：

同樣地，我們利用beautifulsoup來提取這些資訊：

for idx, name in enumerate(follower_names):
    print('[INFO]: 正在爬取使用者%s的詳細資訊...' % name)
    user_url = f'https://github.com/{name}'
    try:
        response = requests.get(user_url, headers=self.headers, timeout=15)
        html = response.text
        soup = BeautifulSoup(html, 'lxml')
        # --獲取使用者名稱
        username = soup.find_all('span', class_='p-name vcard-fullname d-block overflow-hidden')
        if username:
            username = [name, username[0].text]
        else:
            username = [name, '']
        # --所在地
        position = soup.find_all('span', class_='p-label')
        if position:
            position = position[0].text
        else:
            position = ''
        # --倉庫數, stars數, followers, following
        overview = soup.find_all('span', class_='Counter')
        num_repos = self.str2int(overview[0].text)
        num_stars = self.str2int(overview[2].text)
        num_followers = self.str2int(overview[3].text)
        num_followings = self.str2int(overview[4].text)
        # --貢獻數(最近一年)
        num_contributions = soup.find_all('h2', class_='f4 text-normal mb-2')
        num_contributions = self.str2int(num_contributions[0].text.replace('\n', '').replace(' ', ''). \
                            replace('contributioninthelastyear', '').replace('contributionsinthelastyear', ''))
        # --儲存資料
        info = [username, position, num_repos, num_stars, num_followers, num_followings, num_contributions]
        print(info)
        follower_infos[str(idx)] = info
    except:
        pass
    time.sleep(random.random() + random.randrange(0, 2))