python模拟登录爬虫 简书_python爬虫入门之模拟登陆新浪微博
很多网页浏览都需要首先登陆,比如说新浪微博。当然,这里有一个小技巧,用手机3G版登陆。电脑版会有各种加密,动态加载什么的。我们就耍一下小流氓,柿子拣软的捏么。
浏览器保持登陆是利用我们登陆时收到的cookies,发送给网站,这样网站就知道用户已经登陆过来。我们的思路是这样:首先提交账号密码登陆,接受cookies,然后才开始浏览微博。
但是很多网站不仅需要提交账号密码,为了防止爬虫,他们会在登录页面源代码里生成一些随机数据,浏览器会自动处理,post出去。所以我们也要找到它们。
这是我们的步骤:第一步要找出我们需要提交的数据,第二步在登录页面的网页代码里Ctrl +F寻找那些数据,第三步开始写代码,利用requests.get(登录页面),抓取代码,re正则表达式提取出来,组成列表。第四步登陆,获取cookies。第五步开始抓取微博。
第一步:找出浏览器发送的数据
1,我们打开登陆网页: https://login.weibo.cn/login/
2,右键单击,查看元素,点击控制台,网络。
3,右键单击,查看源代码。(为了找到发送数据后回来看这些数据在源代码的位置)
4,填写账号密码,点击登陆。我们可以看见,浏览器发送了一个POST,我们点开看看
5,我们分析一下,可以看到,POST的请求网址不是原来的,即我们要提交数据的url。这是一个我们需要找的。
还有表单提交的内容:
vk,tryCount,submit,remember,password_8439,mobile,backURL,backTitle这几项。我们需要找的是vk,password_8439就行了。
第二步在登录页面的网页代码里Ctrl +F寻找那些数据
我们分别搜索rand,vk,password关键词,找到它们的位置,发现数值确实和发送的数值一致。
第三步requests.get(登录页面),抓取代码,re正则表达式提取
第四步获取cookies
cookie=requests.session().post(new_url,data=data).cookies
第五步抓取微博
代码如下
#-*-coding:utf8-*-
import requests
from lxml import etree
import re
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
#防止编码错误
url_login = 'https://login.weibo.cn/login/'
html = requests.get(url_login).content
selector = etree.HTML(html)
password = selector.xpath('//input[@type="password"]/@name')[0]
vk = selector.xpath('//input[@name="vk"]/@value')[0]
action = selector.xpath('//form[@method="post"]/@action')[0]
print action
print password
print vk
print"
*************
"
newurl = url_login + action
data={
'mobile' : '登陆账号',
password : '登陆密码',
'remember' : 'on',
'backURL' : 'http://weibo.cn/',
'backTitle' : u'手机新浪网',
'tryCount' : '',
'vk' : vk,
'submit' : u'登录'
}
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.152 Safari/537.36'}
cookie=requests.session().post(newurl,data=data,headers=headers).cookies
print cookie
page = []
for i in range(1,21):
newpage = 'http://weibo.cn/greatanny?page=' + str(i)
page.append(newpage)
for url in page:
html = requests.get(url,cookies = cookie,headers=headers).content
selector = etree.HTML(html)
content = selector.xpath('//span[@class="ctt"]')
for each in content:
text = each.xpath('string(.)')
print text
python模拟登录爬虫 简书_python爬虫入门之模拟登陆新浪微博相关推荐
- python对excel操作简书_Python实现EXCEL常用操作——pandas简介
知乎的代码块太丑了,这里的内容就更新到简书了Python实现EXCEL常用操作--pandas简介www.jianshu.com EXCEL是日常办公最常用的软件,然而遇到数据量特别大(超过10W条 ...
- python scrapy框架 简书_python爬虫框架——Scrapy架构原理介绍
说起写爬虫,大多数第一时间想到的就是python了.python语法简洁明了,加上及其丰富好用的库,用它来写爬虫有天然的优势. 之前学python的时候也用requests+lxml写过几个爬虫玩,但 ...
- python基础知识笔记简书_Python学习笔记01——基础知识
Python常用数据类型: 整数(int),浮点数(float),字符串(str) 布尔型(True,False),空值(None) 列表(list):一种有序集合,可以随时添加删除其中的元素. cl ...
- python基础知识笔记简书_Python基础学习笔记
Python貌似有点火热,上手还是比较简单的,自己找了个教程也偷偷的学习一下,扒了一下网上的图片和数据,感觉并不是很难呀(不过之前换电脑,代码丢了,有点可惜,不过网上教程一抓一大把,随便看看也能扒一些 ...
- python对excel操作简书_Python读写Excel表格,就是这么简单粗暴又好用
最近在做一些数据处理和计算的工作,因为数据是以.CSV格式保存的,因此刚开始直接用Excel来处理. 但是做着做着发现重复的劳动,其实并没有多大的意义,于是就想着写个小工具帮着处理. 以前正好在一本书 ...
- python对excel操作简书_Python 操作Excel
操作Excel的Python模块有很多,从操作难易度和功能两方面考虑,选择了下面两个模块. 1. 读Excel模块 xlrd API reference xlrd提供了按行读取和按单元格读取两种方式 ...
- python对excel操作简书_python Excel 写
1.优点 一.功能比较强 相对而言,这是除Excel自身之外功能最强的工具了.比如我就用到了它提供的:字体设置.前景色背景色.border设置.视图缩放(zoom).单元格合并.autofilter. ...
- jsoup爬虫简书首页数据做个小Demo
代码地址如下: http://www.demodashi.com/demo/11643.html 昨天LZ去面试,遇到一个大牛,被血虐一番,发现自己基础还是很薄弱,对java一些原理掌握的还是不够稳固 ...
- python fastapi 获取所有header信息_Python爬虫实战五之模拟登录淘宝并获取所有订单...
点击上方[Python与人工智能社区]→右上角[...]→[设为星标⭐] 经过多次尝试,模拟登录淘宝终于成功了,实在是不容易,淘宝的登录加密和验证太复杂了,煞费苦心,在此写出来和大家一起分享,希望大家 ...
最新文章
- 微软BI 之SSIS 系列 - Lookup 组件的使用与它的几种缓存模式 - Full Cache, Partial Cache, NO Cache...
- UNIX--更改/输出当前工作目录
- 计算机的主要危害是什么意思,cpu使用率是什么意思 cpu使用率低但是电脑卡原因...
- 吴恩达深度学习5.1练习_Sequence Models_Building a RNN Step by Step
- android audiotrack mp3,播放mp3数据压缩由JLayer和Audiotrack latin mp3在android
- Open***学习笔记——*** Server网络配置
- Floyd算法(附例题)
- 传智播客扫地僧C/C++学习 数据类型的本质
- ※ 冯·诺依曼体系结构——模拟 TOY 计算机(MOOC版)
- python中的系统模块_python中与系统发育相关的模块
- PCA降维-原理(一)
- 2022年的1024程序员节有啥好玩的小游戏推荐?
- 个人银行账户管理系统课程设计报告
- 彻底搞懂AQS-重点方法精讲 [并发劝退- 哭唧唧]
- 触发器实例精讲-志在必得
- 爱情没有了,生活仍在继续
- 计算机IP地址pin,打印机的ip地址在机身上哪里,打印机的pin在哪看
- 备战Noip2018模拟赛3(B组) T2 Dance 开场舞蹈
- Android 替换原生输入法
- 7个各有特点的HTTP代理服务器