「完结篇」网络爬虫+实时监控+推送微信

一、缘 起

本片文章是在笔者之前写过的文章：《 定时从某网站爬取压缩包 》、《「爬虫」从某网站爬取数据》基础上，对网络爬虫学习并应用于实际的另一次新功能扩充笔记，该脚本的核心功能如下：

1. 每天11点和17点准时推送房管局登记网站目前【正在登记】的项目信息和当前登记人数（定时推送的时间可根据实际情况自由配置）
2. 7x24小时实时监控房管局登记网站，一旦有【即将开始】登记的项目第一时间推送微信消息提醒大家

二、思 路

首先，用Python BeautifulSoup和Selenium + Phantomjs技术爬取目标页面的需求字段
然后，将目标字段整理成易读string类型数据，通过Python3发微信的第三方库wxpy来推送微信到希望通知的联系人或群聊
最后，将爬虫脚本在jenkins定时构建，达到定时推送爬取数据和实时监控的效果

三、说 明

1. 环境：Linux + jenkins，用于部署实时监控脚本和jenkins环境
2. Python3.6 + BeautifulSoup（bs4）库 + Selenium Phantomjs，爬虫脚本主要基于bs4和Phantomjs，Phantomjs主要用于爬取被加密页面的数据
3. byWeChat.py、runWeChat.py为微信推送方法的实现和登录微信的实现，在receiverCfg.ini文件配置接收人或群聊
4. 其余脚本均为在目标网站爬取需求字段的脚本，详情见README.md文件

四、实 现

因为本次功能开发的脚本较多，故不在此一一说明，详情见该项目的Git地址，但是还需要强调：

• 主脚本为：sendComeSoonRegis.py（获取即将开始登记项目信息）和sendRegistering.py（获取正在登记项目信息）
• Python推微信消息需要用到wxpy这个第三方库，如果想让微信7x24保持登录状态，需要在微信登录缓存失效前再次运行登录微信的脚本，这是我目前解决无法持续登录微信的笨办法，读者若有更好的方法，欢迎下面留言~
• 另外，因为房管局官网有些网页是加密的，所以用bs4无法获取页面，我同样用到的笨办法是用Selenium + 无头浏览器Phantomjs

五、最 后

• 看一下效果吧

Git地址：https://gitee.com/freedomlidi/autoGetRegisDataPlus.git

OK！

~
~
~

不积跬步，无以至千里