位置: 编程技术 - 正文

详解Python爬虫的基本写法(python爬虫介绍)

编辑:rootadmin

推荐整理分享详解Python爬虫的基本写法(python爬虫介绍),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:python爬虫介绍,python 爬虫技术,python爬虫基本原理,python 爬虫技术,python爬虫基本原理,python爬虫介绍,python爬虫的原理以及步骤,python爬虫的原理以及步骤,内容如对您有帮助,希望把文章链接给更多的朋友!

什么是爬虫

爬虫,即网络爬虫,大家可以理解为在网络上爬行的一直蜘蛛,互联网就比作一张大网,而爬虫便是在这张网上爬来爬去的蜘蛛咯,如果它遇到资源,那么它就会抓取下来。想抓取什么?这个由你来控制它咯。

比如它在抓取一个网页,在这个网中他发现了一条道路,其实就是指向网页的超链接,那么它就可以爬到另一张网上来获取数据。这样,整个连在一起的大网对这之蜘蛛来说触手可及,分分钟爬下来不是事儿。

1.最基本的抓站

2.使用代理服务器

这在某些情况下比较有用,比如IP被封了,或者比如IP访问的次数受到限制等等。

3.需要登录的情况

登录的情况比较麻烦我把问题拆分一下:

3.1.cookie的处理

是的没错,如果想同时用代理和cookie,那就加入proxy_support然后operner改为

3.2 表单的处理

登录必要填表,表单怎么填?首先利用工具截取所要填表的内容比如我一般用firefox+httpfox插件来看看自己到底发送了些什么包这个我就举个例子好了,以verycd为例,先找到自己发的POST请求,以及POST表单项:

详解Python爬虫的基本写法(python爬虫介绍)

可以看到verycd的话需要填username,password,continueURI,fk,login_submit这几项,其中fk是随机生成的(其实不太随机,看上去像是把epoch时间经过简单的编码生成的),需要从网页获取,也就是说得先访问一次网页,用正则表达式等工具截取返回数据中的fk项。continueURI顾名思义可以随便写,login_submit是固定的,这从源码可以看出。还有username,password那就很显然了。

好的,有了要填写的数据,我们就要生成postdata

然后生成http请求,再发送请求:

3.3 伪装成浏览器访问

某些网站反感爬虫的到访,于是对爬虫一律拒绝请求

这时候我们需要伪装成浏览器,这可以通过修改http包中的header来实现

3.4 反”反盗链”

某些站点有所谓的反盗链设置,其实说穿了很简单,就是检查你发送请求的header里面,referer站点是不是他自己,所以我们只需要像3.3一样,把headers的referer改成该网站即可,以黑幕著称地cnbeta为例:

headers是一个dict数据结构,你可以放入任何想要的header,来做一些伪装。例如,有些自作聪明的网站总喜欢窥人隐私,别人通过代理访问,他偏偏要读取header中的X-Forwarded-For来看看人家的真实IP,没话说,那就直接把X-Forwarde-For改了吧,可以改成随便什么好玩的东东来欺负欺负他,呵呵。

3.5 终极绝招

有时候即使做了3.1-3.4,访问还是会被据,那么没办法,老老实实把httpfox中看到的headers全都写上,那一般也就行了。再不行,那就只能用终极绝招了,selenium直接控制浏览器来进行访问,只要浏览器可以做到的,那么它也可以做到。类似的还有pamie,watir,等等等等。

4.多线程并发抓取

关于Python爬虫的基本写法小编就给大家介绍到这里,后续还会持续更细,敬请关注,谢谢!

Python argv用法详解 想用python处理一下文件,发现有argv这个用法,搜来学习一下。如果想对python脚步传参数,那么就需要命令行参数的支持了,这样可以省的每次去改脚步

如何处理Python3.4 使用pymssql 乱码问题 在项目中发现这样一个问题:sqlserver数据库编码为gbk,使用python3.4+pymssql查询,中文乱码,经过一番思考问题解决,下面把解决办法分享给大家:conn=pyms

python轻松查到删除自己的微信好友 前言相信各位一定有收到过这样的群发短信,据说还被归类为玩转微信的五大技巧之一?(???)?但,其实,只要跑一下脚本,就轻松找出删除自己的好友(

标签: python爬虫介绍

本文链接地址:https://www.jiuchutong.com/biancheng/379988.html 转载请保留说明!

上一篇:黑科技 Python脚本帮你找出微信上删除你好友的人(pythoni脚本)

下一篇:Python argv用法详解(python的argparse用法)

  • 股权转让的相关文件有哪些
  • 消防维保技术服务承诺书
  • 高档珍珠镶嵌
  • 如何理解合并报表中少数股东损益的抵消
  • 所得税申报表收入
  • 自产产品用于广告要交消费税吗
  • 个人投资者取得现金红利的过程不用支付利息税
  • 增值税发票验证
  • 现金支票 差旅费
  • 出口退税的发票怎么做账
  • 有留抵税额要考虑税负吗
  • 付垫资款给其他公司应该怎么做账?
  • 免税收入的三个条件
  • 离职补偿金如何计算
  • 关于补充养老保险
  • 赔偿款和罚款是一样的吗
  • 卖出别人赠送的东西会计分录?
  • 电子发票记账联怎么入账
  • 硬盘损坏类型
  • 年报企业控股情况怎么填
  • php排队系统
  • php字符串型数据的定义方式
  • 存货盘盈怎么做账
  • 一只草丛里的狐狸作文
  • php5升级到php7
  • 违约金列支
  • 应收账款包括哪些
  • 云杉树下面长什么蘑菇
  • 偿还债券本金和利息
  • 付境外人员劳务费
  • 2023年顶会、顶刊SNN相关论文----------持续更新中
  • python stream模块
  • laravel运行
  • 电力系统培训计划
  • 小微企业年收入超过300万按多少缴纳所得税
  • 公司年度汇算
  • 公司油票发票信息怎么查
  • 向银行申请银行汇票
  • 本期数值与去年同期数值之差称为什么
  • db2入门
  • 金税四期上线后如何查虚开
  • 小规模纳税人未开票收入如何申报增值税
  • 营业成本怎么理解
  • 资源税的征税对象都是原矿和选矿
  • 什么情况下借递债券
  • 长期应付款的会计编号
  • 提取备用金记账凭证号的入账范围
  • 单位工程可以是一栋楼吗
  • 上年度固定资产费用化了,财报怎么算
  • 电子增值税发票样本
  • 以存货抵偿债务
  • 出口退税计算公式
  • 顾客办理会员卡要怎么做账?
  • 一般纳税人增值税税率
  • 水利建设基金的征税对象
  • 成本价和原价一样吗
  • 子公司的财务管理方法
  • 支付信息表
  • mysql5.6无法启动
  • sql时间格式化大全
  • xp系统乱了,怎么恢复
  • rundull32.exe
  • window7发布
  • 苹果系统数据怎么清掉
  • macbook如何安装苹果系统
  • windows8用的人少
  • win10qq经常卡
  • django web开发
  • unity物体边缘发光
  • 如何解决eclipse非正常关闭重打开编译代码
  • Unity3D的MonoBehaviour可重写函数
  • unity怎么导入3d模型
  • unity射击游戏完整案例
  • jquery添加节点
  • python抓取整站链接
  • 小规模企业所得税怎么算
  • 成都市税务局公示名单公布
  • 国考报四川的去哪考
  • 购置税缴费方式
  • 核定征收需要报财务报表吗
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设