我要评论背景
有个朋友计划拓展业务渠道，准备在众包平台上接单，他的主营产品是微信小程序，因此他想第一时间收到客户发出的需求信息，然后第一时间联系客户，这样成交率才能够得到保障，否则单早都被其他同行接完了，他的黄花菜也就都凉了。
开发环境
- 开发语言 Python ，开发架构Scrapy，非 Python 莫属，数据采集的神器！
- 开发工具 PyCharm;
功能设计
- 实时通知：采用发邮件方式通知，将邮箱绑定到微信，实现实时通知的效果。
- 过滤模块：根据标题和内容双重过滤关键词，不符合要求的订单丢弃，符合要求的订单实时通知。
- 配置模块：采用json文件配置。
关键代码
- 采集模块
# -*- coding: utf-8 -*-
import time
import scrapy
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from scrapy import Selector
from . import common
class OschinataskSpider(scrapy.Spider):
name = 'oschinaTask'
domain = "https://zb.oschina.net"
allowed_domains = [domain]
start_url = 'https://zb.oschina.net/projects/list.html'
start_urls = [start_url]
def __init__(self):
options = Options()
options.add_argument('--ignore-certificate-errors')
options.add_argument('--disable-gpu')
options = webdriver.ChromeOptions()
self.driver = webdriver.Chrome(options=options)
# self.driver.set_page_load_timeout(60)
def close(self, spider, reason):
self.driver.quit()
def start_requests(self):
# dont_filter=True Filtered duplicate request no more duplicates will be shown (see DUPEFILTER_DEBUG to show all duplicates)
yield scrapy.Request(self.start_url, callback=self.parse, dont_filter=True)
def parse(self, response):
print("parse ")
nodes = response.xpath('//div[@class="el-col el-col-19"]').getall()
sended_id = common.read_taskid()
max_id = sended_id
for node in nodes:
title = Selector(text=node).xpath('//span[@class="title"]/a/text()').get()
url = self.domain + Selector(text=node).xpath('//span[@class="title"]/a/@href').get()
pos = url.find("id=")
id_str = url[pos + 3:]
id = int(id_str)
# print(id_str)
price = Selector(text=node).xpath('//span[@class="money"]/text()').get()
skills = Selector(text=node).xpath('//span[@class="skills"]/text()').get()
tags = Selector(text=node).xpath('//div[@class="tags mb-4"]/span/text()').getall()
tag = ""
for i in tags:
tag = tag + i + " "
subject = "oschina " + id_str + " " + title
content = "%s <p> %s <p> <a href=%s>%s</a> <p> %s" % (price, skills, url, url, tag)
# print(content)
if id > sended_id:
if id > max_id:
max_id = id
common.send_mail(subject, content)
else:
print("mail: task is already sended <%r>" % id)
time.sleep(3)
# end for node in nodes
# 记录最大id
common.write_taskid(id=max_id)
time.sleep(10 * 60)
# 循环爬取单个url，在这里！！！！！ dont_filter 这个坑坑
yield scrapy.Request(self.start_url, callback=self.parse, dont_filter=True)
- 通知模块
def send_mail(subject, content):
sender = u'xxxxx@qq.com' # 发送人邮箱
passwd = u'xxxxxx' # 发送人邮箱授权码
receivers = u'xxxxx@qq.com' # 收件人邮箱
# subject = u'一品威客 开发任务 ' #主题
# content = u'这是我使用python smtplib模块和email模块自动发送的邮件' #正文
try:
# msg = MIMEText(content, 'plain', 'utf-8')
msg = MIMEText(content, 'html', 'utf-8')
msg['Subject'] = subject
msg['From'] = sender
msg['TO'] = receivers
s = smtplib.SMTP_SSL('smtp.qq.com', 465)
s.set_debuglevel(1)
s.login(sender, passwd)
s.sendmail(sender, receivers, msg.as_string())
return True
except Exception as e:
print(e)
return False
总结
程序上线后稳定运行，实现了预期的效果，接单率效果杠杠的！
附：Scrapy 结构图
-------------------------------------------------------------------------------------------------------------------
本次分享结束，欢迎讨论！QQ微信同号： 6550523
本文章仅供技术交流，不得商用，不得转载，违者必究。
本文地址：https://blog.csdn.net/lildkdkdkjf/article/details/107151659
您可能感兴趣的文章:
如您对本文有疑问或者有任何想说的，请点击进行留言回复，万千网友为您解惑！
网友评论