python入門-----爬取汽車之家新聞,---自動登錄抽屜並點贊,
阿新 • • 發佈:2018-07-07
ike color div標簽 pla spa art com col 3-9
爬取汽車之家新聞,代碼如下
import requests res=requests.get(url=‘https://www.autohome.com.cn/news/‘) #向汽車直接發起get請求,獲取請求數據 res.encoding=res.apparent_encoding #把html的編碼方式指定給res,避免編碼方式不匹配亂碼 from bs4 import BeautifulSoup soup=BeautifulSoup(res.text,‘html.parser‘) div=soup.find(name=‘div‘,id="auto-channel-lazyload-articleView Code") #獲取id為‘auto-channel-lazyload-article‘的div標簽 li_list=div.find_all(name=‘li‘) #獲取所有的li標簽,生成列表,然後遍歷獲取每隔li標簽的數據 for li in li_list: h3=li.find(name=‘h3‘) if h3:#如果h3標簽不存在後面的代碼會報錯,故如h3標簽為空,則跳過 print(h3.text) #獲取h3標簽的文本 p = li.find(name=‘p‘) print(p.text)#獲取p標簽的文本 #獲取li標簽中的a標簽,獲取href並剔除// a = li.find(name=‘a‘) href=a.get(‘href‘) href_url=href.split("//")[1] print(href_url) print(" " * 20)
自動登錄抽屜,並點贊
# 該url登錄及點贊操作均需攜帶登錄前的cookie,故get請求後先獲取cookie import requests from bs4 import BeautifulSoup #向url發起請求,獲取cookie res=requests.get( urlView Code=‘https://dig.chouti.com/‘, headers={‘user-agent‘:"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36"} ) res_cookie=res.cookies.get_dict() #由於需點贊該頁面所有新聞,需獲取所有新聞的url的id.該id在class為discus-a的a標簽中,故先獲取所有的a標簽,便於後續遍歷獲取id soup=BeautifulSoup(res.text,‘html.parser‘) a_list=soup.find_all(name=‘a‘,attrs={‘class‘:‘discus-a‘}) # 登錄抽屜 login=requests.request( url=‘https://dig.chouti.com/login‘, method=‘POST‘, headers={‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36‘}, data={‘phone‘:‘8618857172792‘, ‘password‘:‘Z123456z@‘, ‘oneMonth‘:‘1‘, }, cookies=res_cookie ) #遍歷獲取id點贊 for a in a_list: id=a.get(‘lang‘) res=requests.request( method=‘POST‘, url=‘https://dig.chouti.com/link/vote?linksId=‘+id, headers={‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36‘}, cookies=res_cookie, ) print(res.text) print(‘*‘*20)
爬蟲本質:編寫程序,模擬瀏覽器發送請求獲取網站信息.
requests請求中常見參數參數:
method:網絡請求方式.如get/post.
url:請求的域名/ip地址
heards:請求頭.例
headers={
‘user-agent‘: "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36"}
#user-agent指請求的終端信息
cookies:cookie
params:url中傳參數
如:params={‘user‘:‘tom‘,‘pwd‘:‘123‘} #同等於http://www.xxx.com?user=tom&pwd=123,
data:請求體中傳值
json:轉換請求體中的格式:
如data={‘user‘:‘tom‘,‘pwd‘:‘123‘},請求體中數據為user=tom&pwd=123,json轉換後為"{‘user‘:‘tom‘,‘pwd‘:‘123‘}"
data=json.dumps{‘user‘:‘tom‘,‘pwd‘:‘123‘}效果同等於json={‘user‘:‘tom‘,‘pwd‘:‘123‘}
files:文件參數.例:
file_dict={
‘f1‘:(‘新的文件名‘,open(‘文件名‘,‘rb‘)) #參數2可傳文件句柄或文件內容
}
files=file_dict
auth:基本的認證方式 (很少用,常用於彈窗認證登錄) 例
from requests.auth import HTTPBasicAuth,HTTPDigestAuth
ret=requests.get(
url=‘‘,
auth=HTTPBasicAuth(‘tom‘,‘123456‘)
)
print(ret.text)
timeout:超時時間,例
ret=request.get(url=‘www.***.com‘,timeout=(10,1))#參數1是響應時間最多10秒,參數2是請求時間最多等1秒,超時後則停止
allow_redirects:是否重定向
proxies:代理ip 例
proxies={‘http‘:‘**.**.**.**‘,‘https‘:‘**.**.**.**‘} #訪問 http使用**ip;訪問https,使用**ip
proxies={‘http://**.**.**.**‘:‘http://**.**.**.**:**‘}# 訪問**ip,使用**代理
註:如代理需要使用用戶名密碼,則需導入HTTPProxyAuth.
from requests.auth import HTTPProxyAuth
proxies_dict={‘http‘:‘**.**.**.**‘,‘https‘:‘**.**.**.**‘}
auth=HTTPProxyAuth{‘user‘,‘passwd‘}
res=requests.get(url=‘‘,proxies=proxies_dict,auth=auth)
print(res.text)
stream:下載大文件時候使用,類似叠代器的上下文管理.例
1. res=requests.get(url=‘https://www.autohome.com.cn/news/‘)
for i in res.iter_content():
print(i)
2. form contextlib importan closing
with closing(requests.get(‘https://www.autohome.com.cn/news/‘,stream=True)) as r;
for i in r.iter_content():
print(i)
cert:證書(本質是對數據加密),如https和http的區別
verify:在證書驗證的過程中進行確認
例:
import requests
requests.get(
url="http://www.xxx.com",
params={‘user‘:‘tom‘,‘pwd‘:‘123‘} #同等於http://www.xxx.com?user=tom&pwd=123,
heards={},
cookies={}
)
requests.post(
url="http://www.xxx.com",
params={‘user‘:‘tom‘,‘pwd‘:‘123‘} #同等於http://www.xxx.com?user=tom&pwd=123,
heards={},
cookies={},
data={}, #get請求中沒有請求體,故沒有data
)
python入門-----爬取汽車之家新聞,---自動登錄抽屜並點贊,