python 开源爬虫工具 kcrawler

github: https://github.com/kenblikylee/kcrawler git clone https://github.com/kenblikylee/kcrawler.git

1. 安装

1.1 环境要求

• python>=3.0
• pip>=19.0

python -V
pip install --upgrade pip
pip -V

1.2 查看最新版本

pip search kcrawler

1.3 初次安装

pip install kcrawler
# or
pip install --index-url https://pypi.org/simple kcrawler

1.4 更新已有安装

pip install --upgrade kcrawler
# or
pip install --upgrade --index-url https://pypi.org/simple kcrawler

1.5 卸载

pip uninstall -y kcrawler

2. 使用

2.1 使用方式

使用 pip 安装成功后，会自动在系统搜索路径创建可执行程序：kcrawler, kcanjuke, kcjuejin。

通常是 python 或 conda 安装目录下的 bin 子目录下，例如：/anaconda3/bin/kcrawler。windows 平台会创建 .exe 文件。

kcrawler 是爬取所有网站应用的入口，命令执行格式如下：

kcrawler <webapp> [webapp-data] [--options]

等效于：

kc<webapp> [webapp-data] [--options]

例如：

kcrawler juejin books --url "https://..."
kcjuejin books --url "https://..."

2.2 使用示例

以 kcrawler <webapp> [webapp-data] [--options] 方式运行为例。

2.2.1 爬取掘金小册数据

执行如下命令：

kcrawler juejin book

命令执行成功，显示如下统计图表：

并将明细数据保存在当前目录下，同时保存 .csv 和 .xls 文件，文件名格式如下：

juejin_books_YYYY-MM-DD.csv juejin_books_YYYY-MM-DD.xls

2.2.2 爬取掘金专栏阅读量

格式：

kcrawler juejin post --name <username> --limit 100 --url '<user_post_url>'

• name: 目标爬取用户的名称，可以自定义，仅仅用于区分不同用户，同时作为爬取数据保存的文件夹名称
• limit: 限制爬取最新专栏数
• url: 目标爬取用户的接口地址，这个参数真正决定了要爬取谁的专栏

url 获取方式如下：

为了快速体验爬取效果，也提供了 url 缺省情况下的支持，爬取用户 ken 的专栏：

kcrawler juejin post --name ken --limit 100

爬取明细数据，会在 ken 目录下，以爬取日期和时间命名，同时保存 .csv 文件和 .xls 文件。

2.2.3 指定城市爬取安居客小区房价

首先需要获取网站的 cookie 。获取方式参考《python 自动抓取分析房价数据——安居客版 》2.4 小节。

将 <anjuke_cookie> 替换成自己 cookie，运行如下命令：

kcrawler anjuke --city shenzhen --limit 50 --cookie "<anjuke_cookie>"

也可以将 cookie 保存在当前目录下的 anjuke_cookie (无后缀)文件中，运行如下命令：

kcrawler anjuke --city shenzhen --limit 50

命令成功运行成功后，会显示房价平均值，最大值，最小值，并绘制房价分布直方图，关闭直方图后，明细数据将保存在当前目录下，形如：anjuke_shenzhen_community_price_20xx-xx-xx.csv。

获取其他城市的房价，只需将 city 参数改成安居客网站覆盖的城市拼音。可打开页面 https://www.anjuke.com/sy-city.html ，点击需要获取的城市，复制浏览器地址栏中城市对应的二级域名，如 beijing.anjuke.com 只取 beijing 作为 city 参数。

获取源码

github: https://github.com/kenblikylee/kcrawler

git clone https://github.com/kenblikylee/kcrawler.git