python用法查询笔记_Python爬虫学习笔记(三)

7d9aa4a6bc1caa74a575655f06cd8ea3.pnghandler处理器自定义 - Cookies && URLError && json简单使用

Cookies:

以抓取https://www.yaozh.com/为例

Test1(不使用cookies):

代码:

fb01546d2c277439be7873d24c3856a7.png

702c7c090bb195adcd8550148dbfda64.pngimport urllib.request

# 1.添加URL

url = "https://www.yaozh.com/"# 2.添加请求头

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"}

# 3.构建请求对象

request = urllib.request.Request(url, headers=headers)

# 4.发送请求对象

response = urllib.request.urlopen(request)

# 5.读取数据

data = response.read()

#保存到文件中,验证数据

with open('01cookies.html', 'wb')as f:

f.write(data)

View Code

返回:

e83cb8bee371a1c22c7c71bb4e4e43a6.png

20c7eceb060c2e4d008bcc3a86ecef64.png

此时进入页面显示为游客模式,即未登录状态。

Test2(使用cookies:手动登录):

在network中查找cookies部分

db4c790291fb9fb406d02882776421be.png

代码(先登录在抓取):

fb01546d2c277439be7873d24c3856a7.png

702c7c090bb195adcd8550148dbfda64.png"""    直接获取个人中心的页面

手动粘贴,复制抓包的cookies

放在 request请求对象的请求头里面"""import urllib.request

# 1.添加URL

url = "https://www.yaozh.com/"# 2.添加请求头

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36","Cookie": "acw_tc=707c9fc316119925309487503e709498d3fe1f6beb4457b1cb1399958ad4d3; PHPSESSID=bvc8utedu2sljbdb818m4va8q3; _ga=GA1.2.472741825.1611992531; _gid=GA1.2.2079712096.1611992531; yaozh_logintime=1611992697; yaozh_user=1038868%09s1mpL3; yaozh_userId=1038868; yaozh_jobstatus=kptta67UcJieW6zKnFSe2JyYnoaSZ5htnZqdg26qb21rg66flM6bh5%2BscZdyVNaWz9Gwl4Ny2G%2BenofNlKqpl6XKppZVnKmflWlxg2lolJabd519626986447e0E3cd918611D19BBEbmpaamm6HcNiemZtVq56lloN0pG2SaZ%2BGam2SaWucl5ianZiWbIdw4g%3D%3Da9295385d0680617486debd4ce304305; _gat=1; Hm_lpvt_65968db3ac154c3089d7f9a4cbb98c94=1611992698; yaozh_uidhas=1; yaozh_mylogin=1611992704; acw_tc=707c9fc316119925309487503e709498d3fe1f6beb4457b1cb1399958ad4d3; Hm_lvt_65968db3ac154c3089d7f9a4cbb98c94=1611992531%2C1611992638",

}

# 3.构建请求对象

request = urllib.request.Request(url, headers=headers)

# 4.发送请求对象

response = urllib.request.urlopen(request)

# 5.读取数据

data = response.read()

#保存到文件中,验证数据

with open('01cookies2.html', 'wb')as f:

f.write(data)

先登录再抓取

返回:

bcd2e905603d58507269ce1fdd3f987b.png

此时为登录状态s1mpL3。

Test3(使用cookies:代码登录):

准备:

1.勾选Preserve Log,用于记录上一次登录

2.根据登录时的数据报,发现发送POST请求

8343cdd79b66717eda38c6d0a0143926.png

3.登陆之后退出,进入登录页面,检察元素,查找表单各项数据,

0ea001486f386a2152873cf5044fec34.png

代码:

fb01546d2c277439be7873d24c3856a7.png

702c7c090bb195adcd8550148dbfda64.png"""    获取个人页面1.代码登录  登陆成功    cookie有效2.自动带着cookie 去请求个人中心

cookiejar:自动保存cookie"""import urllib.requestfrom http import cookiejarfrom urllib import parse

# 登陆之前,登录页的网址,https://www.yaozh.com/login,找登录参数# 后台,根据发送的请求方式来判断,如果是GET,返回登录页面,如果是POST,返回登录结果

#   1.代码登录

# 1.1 登陆的网址

login_url = "https://www.yaozh.com/login"# 1.2 登陆的参数

login_form_data = {" username": "s1mpL3","pwd": "***************",#个人隐私,代码不予显示"formhash": "87F6F28A4*",#个人隐私,代码不予显示"backurl": "https%3A%2F%2Fwww.yaozh.com%2F",

}

# 参数需要转码;POST请求的data要求是bytes乐行

login_str = urllib.parse.urlencode(login_form_data).encode('utf-8')

# 1.3 发送POST登录请求

cookie_jar = cookiejar.CookieJar()

# 定义有添加cookie功能的处理器

cook_handler = urllib.request.HTTPCookieProcessor(cookie_jar)

# 根据处理器 生成openner

openner = urllib.request.build_opener(cook_handler)

# 带着参数,发送POST请求

# 添加请求头

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"}

login_request = urllib.request.Request(login_url, headers=headers, data=login_str)

# 如果登陆成功,cookiejar自动保存cookie

openner.open(login_request)

#   2. 代码带着cookie去访问个人中心

center_url = "https://www.yaozh.com/member/"center_request = urllib.request.Request(center_url, headers=headers)

response = openner.open(center_url)

# bytes --> str

data = response.read().decode()

with open('02cookies.html', 'w', encoding="utf-8")as f:

f.write(data)

代码登录

返回:

以s1mpL3用户返回

30e9f36d1de875eb9868fd6748bd6433.png

注:

1.cookiejar库的使用from http import cookiejar

cookiejar.CookieJar()

2.HTTPCookieProcessor():有cookie功能的处理器

3.代码登录:只需修改用户名和密码

4.Python3报错:

UnicodeEncodeError: 'gbk' codec can't encode character '\xa0' in position 19523: illegal multibyte sequence

修改:open()中添加encoding="utf-8"with open('02cookies.html', 'w', encoding="utf-8")as f:

f.write(data)

解决方案参考:

URLError:urllib.request 提示错误

分为URLError HTTPError

其中HTTPError为URLError的子类

Test:

代码1:import urllib.request

url = 'http://www.xiaojian.cn' # 假设

response = urllib.request.urlopen(url)

返回1:

部分报错:raise URLError(err)

urllib.error.URLError: 

代码2:import urllib.request

url = 'https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/1111'response = urllib.request.urlopen(url)

返回2:

部分报错:raise HTTPError(req.full_url, code, msg, hdrs, fp)

urllib.error.HTTPError: HTTP Error 404: Not Found

代码3:import urllib.request

url = 'https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/1111'try:

response = urllib.request.urlopen(url)

except urllib.request.HTTPError as error:

print(error.code)

except urllib.request.URLError as error:

print(error)

返回3:

4d6c5d62fd4881f08d7cd302cedd3bbb.png

代码4:import urllib.request

url = 'https://blog.cs1'try:

response = urllib.request.urlopen(url)

except urllib.request.HTTPError as error:

print(error.code)

except urllib.request.URLError as error:

print(error)

返回4:

f6257e68946fa2ac53795d544e0e1d04.png

Requsets:

准备:

安装第三方模块:pip install requests

Test1(基本属性:GET):

代码1(不带请求头):

fb01546d2c277439be7873d24c3856a7.png

702c7c090bb195adcd8550148dbfda64.pngimport requests

url = "http://www.baidu.com"response = requests.get(url)

# content属性:返回类型是bytes

data = response.content

print(data)

data1 = response.content.decode('utf-8')

print(type(data1))

# text属性:返回类型是文本str(如果响应内容没有编码,将自行编码,可能出错。因此优先使用content)

data2 = response.text

print(type(data2))

View Code

返回1:

4f239bbded2de13bfd174431fdb47f8c.png

代码2(带请求头):import requestsclass RequestSpider(object):

def __init__(self):

url = "https://www.baidu.com/"headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"}

self.response = requests.get(url, headers=headers)

def run(self):

data = self.response.content

# 1.获取请求头

request_headers1 = self.response.request.headers

print(request_headers1)

# 2.获取响应头

request_headers2 = self.response.headers

print(request_headers2)

# 3.获取响应状态码

code = self.response.status_code

print(code)

# 4.获取请求的cookie

request_cookie = self.response.request._cookies

print(request_cookie)

#注:用浏览器进入百度时,可能会有很多cookie,这是浏览器自动添加的,不是服务器给的

# 5.获取响应的cookie

response_cookie = self.response.cookies

print(response_cookie)

RequestSpider().run()

返回:E:\python\python.exe H:/code/Python爬虫/Day04/03-requests_use2.py

{'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36', 'Accept-Encoding': 'gzip, deflate', 'Accept': '*/*', 'Connection': 'keep-alive'}

{'Bdpagetype': '1', 'Bdqid': '0xe0b22322001a2c4a', 'Cache-Control': 'private', 'Connection': 'keep-alive', 'Content-Encoding': 'gzip', 'Content-Type': 'text/html;charset=utf-8', 'Date': 'Sat, 30 Jan 2021 09:27:06 GMT', 'Expires': 'Sat, 30 Jan 2021 09:26:56 GMT', 'P3p': 'CP=" OTI DSP COR IVA OUR IND COM ", CP=" OTI DSP COR IVA OUR IND COM "', 'Server': 'BWS/1.1', 'Set-Cookie': 'BAIDUID=E577CD647F2B1CA6A7C0F4112781CAF9:FG=1; expires=Thu, 31-Dec-37 23:55:55 GMT; max-age=2147483647; path=/; domain=.baidu.com, BIDUPSID=E577CD647F2B1CA6A7C0F4112781CAF9; expires=Thu, 31-Dec-37 23:55:55 GMT; max-age=2147483647; path=/; domain=.baidu.com, PSTM=1611998826; expires=Thu, 31-Dec-37 23:55:55 GMT; max-age=2147483647; path=/; domain=.baidu.com, BAIDUID=E577CD647F2B1CA65749857950B007E4:FG=1; max-age=31536000; expires=Sun, 30-Jan-22 09:27:06 GMT; domain=.baidu.com; path=/; version=1; comment=bd, BDSVRTM=0; path=/, BD_HOME=1; path=/, H_PS_PSSID=33423_33516_33402_33273_33590_26350_33568; path=/; domain=.baidu.com, BAIDUID_BFESS=E577CD647F2B1CA6A7C0F4112781CAF9:FG=1; Path=/; Domain=baidu.com; Expires=Thu, 31 Dec 2037 23:55:55 GMT; Max-Age=2147483647; Secure; SameSite=None', 'Strict-Transport-Security': 'max-age=172800', 'Traceid': '1611998826055672090616191042239287929930', 'X-Ua-Compatible': 'IE=Edge,chrome=1', 'Transfer-Encoding': 'chunked'}200

, , , , , , ]>Process finished with exit code 0

Test2(URL自动转译):

代码1:

fb01546d2c277439be7873d24c3856a7.png

702c7c090bb195adcd8550148dbfda64.png# https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&tn=baidu&wd=%E7%88%AC%E8%99%AB&oq=%2526lt%253BcH0%2520-%2520Nu1L&rsv_pq=d38dc072002f5aef&rsv_t=62dcS%2BcocFsilJnL%2FcjmqGeUvo6S6XMFTiyfxi22AnqTbscZBf6K%2F13WW%2Bo&rqlang=cn&rsv_enter=1&rsv_dl=tb&rsv_sug3=4&rsv_sug1=3&rsv_sug7=100&rsv_sug2=0&rsv_btype=t&inputT=875&rsv_sug4=875# https://www.baidu.com/s?wd=%E7%88%AC%E8%99%ABimport requests

# 参数自动转译

url = "http://www.baidu.com/s?wd=爬虫"headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"}

response = requests.get(url, headers=headers)

data = response.content.decode()

with open('baidu.html', 'w', encoding="utf-8")as f:

f.write(data)

汉字参数自动转译

返回:

成功返回并生成文件,此时汉字作为参数实现了自动转译。

5d233c2f84c8f3cc6d939e79dfe7bcc1.png

代码2:

fb01546d2c277439be7873d24c3856a7.png

702c7c090bb195adcd8550148dbfda64.png# https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&tn=baidu&wd=%E7%88%AC%E8%99%AB&oq=%2526lt%253BcH0%2520-%2520Nu1L&rsv_pq=d38dc072002f5aef&rsv_t=62dcS%2BcocFsilJnL%2FcjmqGeUvo6S6XMFTiyfxi22AnqTbscZBf6K%2F13WW%2Bo&rqlang=cn&rsv_enter=1&rsv_dl=tb&rsv_sug3=4&rsv_sug1=3&rsv_sug7=100&rsv_sug2=0&rsv_btype=t&inputT=875&rsv_sug4=875# https://www.baidu.com/s?wd=%E7%88%AC%E8%99%ABimport requests

# 参数自动转译

url = "http://www.baidu.com/s"parmas = {'wd': '爬虫',

}

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"}

response = requests.get(url, headers=headers, params=parmas)

data = response.content.decode()

with open('baidu1.html', 'w', encoding="utf-8")as f:

f.write(data)

字典自动转译

返回:

成功返回并生成文件,此时字典作为参数实现了自动转译。

05d259895ab88677b61edf862625e693.png

注:

发送POST请求和添加参数requests.post(url, data=(参数{}), json=(参数))

Test3(json):

代码:# https://www.baidu.com/s?ie=utf-8&f=8&rsv_bp=1&tn=baidu&wd=%E7%88%AC%E8%99%AB&oq=%2526lt%253BcH0%2520-%2520Nu1L&rsv_pq=d38dc072002f5aef&rsv_t=62dcS%2BcocFsilJnL%2FcjmqGeUvo6S6XMFTiyfxi22AnqTbscZBf6K%2F13WW%2Bo&rqlang=cn&rsv_enter=1&rsv_dl=tb&rsv_sug3=4&rsv_sug1=3&rsv_sug7=100&rsv_sug2=0&rsv_btype=t&inputT=875&rsv_sug4=875# https://www.baidu.com/s?wd=%E7%88%AC%E8%99%ABimport requests

import json

url = "https://api.github.com/user"#这个网址返回的内容不是HTML,而是标准的json

headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.104 Safari/537.36"}

response = requests.get(url, headers=headers)

# str

data = response.content.decode()

print(data)

# str --> dict

data_dict = json.loads(data)

print(data_dict["message"])

# json()会自动将json字符串转换成Python dict list

data1 = response.json()

print(data1)

print(type(data1))

print(data1["message"])

返回:E:\python\python.exe H:/code/Python爬虫/Day04/03-requests_use3.py

{  "message": "Requires authentication",  "documentation_url": "https://docs.github.com/rest/reference/users#get-the-authenticated-user"}

Requires authentication

{'message': 'Requires authentication', 'documentation_url': 'https://docs.github.com/rest/reference/users#get-the-authenticated-user'}Requires authentication

Process finished with exit code 0

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/505565.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

java 线程 交给spring_浅谈Java中spring 线程异步执行

多线程并发处理起来通常比较麻烦,如果你使用spring容器来管理业务bean,事情就好办了多了。spring封装了Java的多线程的实现,你只需要关注于并发事物的流程以及一些并发负载量等特性,具体来说如何使用spring来处理并发事务&#xf…

java编程实现素数环_结对编程(JAVA实现)

项目成员:黄思扬(3117004657)、刘嘉媚(3217004685)二、PSP表格PSPPersonal Software Process Stages预估耗时(分钟)实际耗时(分钟)Planning计划6040 Estimate 估计这个任务需要多少时间6040Development开发14401505 Analysis 需求分析3015 Design Spec 生成设计文档…

自学java编译老是出错_为什么按照书上的代码,编译老是出错?

老是又小伙伴在群里说我的代码是按照书上的代码敲的,就是编译不过?想不通呀!目前市面上的一些书都是十来年以前编写的了,你不幸看的还是这些书,错误原因就在这里。比如谭浩强的C语言程序设计这个本书都出了N版了&#…

java版的中世纪战争_世界战争英雄设置-火焰纹章英雄英雄地图及AI命令设置

英雄地图及AI命令设置游戏中练级塔中的AI设置和故事地图中的一样,所以如果故事地图中的AI是主动出击的,那练级塔一样的地图也是主动出击。故事地图中配置有5个敌人,在练级塔中也一样会配置5个敌人。不同的是职业可能会发生变化,但…

python pip安装依赖的常用软件源

目录 引言 一、什么是镜像源?​​​​​​​ 二、清华源 三、阿里源 四、中科大源 五、豆瓣源 六、更多资源 引言 在软件开发和使用过程中,我们经常需要下载和更新各种软件包和库文件。然而,由于网络环境的限制或者服务器的负载&#…

java虚拟机规范 51cto_java虚拟机

最近学习java虚拟机做了一些整理,会陆续发完。Java虚拟机一、概念:当我们谈到java虚拟机的时候,有可能指下面3个方面:1):抽象java虚拟机的规范。2):一个java虚拟机具体的实现。------实现是指:实…

java重定向链接页面变小_java web的进来看一下!页面重定向的异常!帮忙看一下!谢谢了!...

我用login.jsp进行登录留言板的管理页面用一个servlet进行身份验证。成功----->通过request.getRequestDispatcher("/admin/secure/manage?qlist").forward(request, response);return;其中/admin/secure/manage是ManageServlet的映射路径。来登录到manage的管理…

java数组设置结束_Java 数组最佳指南,快收藏让它吃灰

两年前,我甚至写过一篇文章,吐槽数组在 Java 中挺鸡肋的,因为有 List 谁用数组啊,现在想想那时候的自己好幼稚,好可笑。因为我只看到了表面现象,实际上呢,List 的内部仍然是通过数组实现的&…

java窗口只能点一个_java – 为什么界面只能在顶级类中声明?

Won’t inner class become top-level class if I put it into another Class file?不,它仍然是一个内部类,文件名指示(IIRC它是OuterClass $InnerClass.class).内部类可以访问外部类的属性,即它们依赖于它们的外部类’实例.使用界面,您无法做到这一点.想到一个完全不相关的类…

Mysql 中Sql控制流语句_DCL语句/控制流语句

一、(1)DCL(数据控制语言)主要是数据库管理员用来管理其他用户权限时使用的语句;可以授予的权限包括以下:列权限:和表中的一个具体列相关、表权限:和一个具体数据表中的所有数据相关、数据库权限:和一个具体数据库中的…

Java7运行applet_Java applet不会在JRE7下运行,控制台中不会显示错误

在Windows 7,64位下,由于升级到JRE-7 32位,在IE9 32位或Chrome下,我无法运行诸如this one之类的小程序。在Applet矩形内,我看到消息“Error。Click for details”点击applet框(空白)会出现一个对话框:Application Erro…

同包类 和 其他类 java_关于继承:为什么Java中的“protected”修饰符允许访问同一个包中的其他类?...

在Java中,具有"受保护"修饰符的成员不仅可以由同一个类和子类访问,还可以由同一个包中的每个人访问?我想知道语言设计的原因,而不是实际的应用程序(例如,测试)1坦率地说我也想知道为什么。 它总是让我感到震…

java打印已经被加载的类_使用URLClassLoader加载类,不会报错,但被加载类中的内容也没有打印出来...

被加载类和加载类的程序在一个文件夹下;运行没有任何结果:D:java_exercise>javac URLTest.javaD:java_exercise>java URLTestD:java_exercise>加载类:import java.net.*;import java.io.File;import java.net.URLClassLoader ;publi…

python反序列化总结_单例模式的反序列化总结

最近观看effective in java ,提到单例模式创建过程中,如果是要保证该对象是可序列化的,需要考虑两点:1、继承Serializable接口2、增加readResolve方法比较疑惑的是为什么需要增加这个方法,在以往的使用中需要被序列化的…

ipv6+ssh+java_IPv6的本地联网地址计算方法详解

IPv6的世界里,如果DHCP6和SLACC这两位大佬都为没有为可怜的网卡分配IP地址,也没有人为网卡设置静态的IP地址,系统就会为网卡计算一个IPv6的网址来。这样的网址只能在本地使用,不得路由,所以,被称为“link-l…

java gzipoutputstream_java – GZIPInputStream逐行读取

我有一个.gz格式的文件。用于读取此文件的java类是GZIPInputStream。但是,此类不会扩展BufferedReader类的java。因此,我无法逐行读取文件。我需要这样的东西reader new MyGZInputStream( some constructor of GZInputStream)reader.readLine()...我虽然…

java互斥锁的实现原理_java-深入分析synchronized原理

互斥锁互斥锁futex,全拼fast userspace mutexes,直翻为快速用户空间互斥器,它是我们上层应用实现锁的最常用方法。futex是一块所有进程都可以访问的内存,是通过cpu的原子操作修改内存中的值来尝试获取琐,如果没有竞争&…

php 自定义加密算法,php自定义加密函数、解密

“/*加密*/function addcoder($str){$yuan abA!c1dB#ef2Cg$h%iD_3jkl^E:m}4n.o{&F*p)5q(G-r[sH]6tuIv7wJxy8z9K0;$jia zAy%0Bx1C$wDv^Eu2-t3(F{sr&G4q_pH5*on6I)m:l7.Jk]j8K}ihgf9#ed!cb[a;if ( strlen($str) 0) return false;for($i 0;$i{for($j 0;$j{if($str[$i…

京东开普勒php接口,IOS菜鸟初学第十五篇:接入京东开普勒sdk,呼起京东app打开任意京东的链接-Go语言中文社区...

我之前写了一篇关于接入京东联盟sdk的文章,但是最近,由于这个原因,如下图导致需要重新集成京东的sdk,但是由于某种原因,因为android和ios端不统一,android接入的是京东开普勒的SDK,这次为了统一…

php用不了for循环吗,php中的这两个for循环有什么区别吗?

如下两个for循环,执行的结果不一样的。for($i 0,$j 0;$i dump($i . - . $j);}echo ;for($i 0;$i dump($i . * . $j);}}结果打印:string(3) "0-0"string(3) "1-1"string(3) "2-2"string(3) "3-3"string(3) &q…