Requests爬蟲思路實例

用到的庫:requests

爬蟲思路

(xxxxxxxxx代表教務(wù)網(wǎng)網(wǎng)址,不便傳播)

  1. 創(chuàng)建一個Requests會話對象(所有的爬蟲步驟都在該會話下進行)。
s = requests.Session()
  1. get教務(wù)網(wǎng)的登陸頁面,返回的頭部信息中的cookies信息。
r = s.get(r'http://kdjw.hnust.cn/kdjw/', headers=kdjw_hed)
cookies = r.headers['Set-Cookie'][0:-12]
  1. 根據(jù)獲取到cookies信息實時獲取當前登錄頁面的驗證碼圖片信息,并把它的二進制文件信息存儲為code.jpg。
r_verifycode = s.get(r'http://xxxxxxxxx/verifycode.servlet', headers=verifycode_hed)
with open('code.jpg','wb') as f:
    f.write(r_verifycode.content)
  1. 請求用戶輸入驗證碼,然后把所收到的驗證碼字符串以及用戶輸入的學號,密碼POST到真正的登錄的頁面,進而實現(xiàn)模擬登陸。
r_login = s.post(r'http://xxxxxxxxx/Logon.do?method=logon', headers=post_hed, data=login_data)
  1. 模擬登陸后,直接攜帶cookies POST發(fā)送請求給教務(wù)網(wǎng)的成績信息存儲頁面,進而獲得全部成績信息的原始數(shù)據(jù)。
r_grades = s.post(r'http://xxxxxxxxx/xszqcjglAction.do?method=queryxscj', headers=grades_hed, data=form_data)
return r_grades.text

獲取到成績信息的原始數(shù)據(jù)之后,我們就可以進行數(shù)據(jù)的清洗和整理了~

下面給出該思路的源代碼

(大神勿噴,代碼并不能直接運行)

import sys
import io
import requests
from PIL import Image

#改變標準輸出的默認編碼
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf8')

def get_cookies():
    kdjw_hed = {'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate',
        'Accept-Language': 'zh-CN,zh;q=0.9',
        'Cache-Control': 'max-age=0',
        'Connection': 'keep-alive',
        'Host': 'xxxxxxxxx',
        'Upgrade-Insecure-Requests': '1',
        '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',
    }
    r = s.get(r'http://xxxxxxxxx/',headers=kdjw_hed)
    #print(r.headers)
    
    #獲取到cookies
    cookies = r.headers['Set-Cookie'][0:-12]
    return cookies

def get_verifycode(cookies):
    '根據(jù)所得cookies獲取驗證碼'
    
    verifycode_hed = {'Accept': 'image/webp,image/apng,image/*,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate',
        'Accept-Language': 'zh-CN,zh;q=0.9',
        'Connection': 'keep-alive',
        'Cookie': cookies,
        'Host': 'xxxxxxxxx',
        'Referer': 'http://xxxxxxxxx/',
        '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',
    }
    #驗證碼獲取
    r_verifycode = s.get(r'http://xxxxxxxxx/verifycode.servlet', headers=verifycode_hed)
    
    with open('code.jpg','wb') as f:
        f.write(r_verifycode.content)
    return True

def show_verifycode():
    '通過Image模塊展示驗證碼圖片,并提示用戶輸入驗證碼'
    im = Image.open('code.jpg')
    im.show()
    verifycode = input('請輸入驗證碼: ')
    return verifycode
    
def virtual_login(verifycode, cookies, usr, pwd):
    #模擬登陸
    login_data = {'useDogCode': '',
        'USERNAME': usr,
        'PASSWORD': pwd,
        'RANDOMCODE': verifycode}
    post_hed = {'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate',
        'Accept-Language': 'zh-CN,zh;q=0.9',
        'Cache-Control': 'max-age=0',
        'Connection': 'keep-alive',
        'Content-Length': '86',
        'Content-Type': 'application/x-www-form-urlencoded',
        'Cookie': cookies,
        'Host': 'xxxxxxxxx',
        'Origin': 'http://xxxxxxxxx',
        'Referer': 'http://xxxxxxxxx/',
        'Upgrade-Insecure-Requests': '1',
        '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',
    }
    r_login = s.post(r'http://xxxxxxxxx/Logon.do?method=logon', headers=post_hed, data=login_data)
    r_login.raise_for_status()
    return usr
    
def search_and_get_grades_html(cookies, kksj=''):
    '模擬登陸之后,打開成績查詢頁面獲取成績數(shù)據(jù)'
    form_data = {'kksj': kksj,
        'kcxz': '',
        'kcmc': '',
        'xsfs': 'qbcj',  #全部成績
        'ok': '',
    }

    grades_hed = {'Accept': 
        'Cookie': cookies,
        'Referer': 'http://xxxxxxxxx/jiaowu/cjgl/xszq/query_xscj.jsp',
        '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',
    }
    #成績查詢
    r_grades = s.post(r'http://xxxxxxxxx/xszqcjglAction.do?method=queryxscj', headers=grades_hed, data=form_data)
    hed_dict = dict(r_grades.headers)
    try:
        if hed_dict['Content-Length']:
            print('學號、密碼或驗證碼輸入錯誤,請重新輸入...')
    except KeyError:
        print('成功獲取成績數(shù)據(jù)!?。?)
    return r_grades.text
        
def get_code_in_file():
    global s, cookies_
    s = requests.Session()
    #cookies
    cookies_ = get_cookies()
    #更新驗證碼code.jpg
    get_verifycode(cookies_)
    return cookies_

def main(verifycode_, cookies_, usr_='', pwd_='', kksj_=''):
    #登陸獲取數(shù)據(jù)
    if usr_ == '' or pwd_ == '':
        username = virtual_login(verifycode_, cookies_)
    else:
        username = virtual_login(verifycode_, cookies_, usr_, pwd_)
    if kksj_ == '':
        orignal_html = search_and_get_grades_html(cookies_)
    else:
        orignal_html = search_and_get_grades_html(cookies_, kksj_)
    return orignal_html, username

if __name__ == '__main__':
    cookies = get_code_in_file()
    show_verifycode()
    main(verifycode_=input('驗證碼:'), cookies_=cookies, usr_=input('學號:'), pwd_=input('密碼:'), kksj_='')

公眾號:勝言
個人博客:wangsheng.tech

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容