最新Python爬虫：设置Cookie解决网站拦截并爬取蚂蚁短租，2024年最新拿下offer全凭这套“面试+架构进阶知识点”pdf

文末有福利领取哦~

👉一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

-- coding: utf-8 --

import urllib2

import re

from bs4 import BeautifulSoup

#爬虫函数

def gydzf(url):

user_agent=“Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36”

headers={“User-Agent”:user_agent}

request=urllib2.Request(url,headers=headers)

response=urllib2.urlopen(request)

contents = response.read()

soup = BeautifulSoup(contents, “html.parser”)

for tag in soup.find_all(‘dd’):

#短租房名称

for name in tag.find_all(attrs={“class”:“room-detail clearfloat”}):

fname = name.find(‘p’).get_text()

print u’[短租房名称]‘, fname.replace(’\n’,‘’).strip()

#短租房价格

for price in tag.find_all(attrs={“class”:“moy-b”}):

string = price.find(‘p’).get_text()

fprice = re.sub(“[￥]+”.decode(“utf8”), “”.decode(“utf8”),string)

fprice = fprice[0:5]

print u’[短租房价格]‘, fprice.replace(’\n’,‘’).strip()

#评分及评论人数

for score in name.find(‘ul’):

fscore = name.find(‘ul’).get_text()

print u’[短租房评分/评论/居住人数]‘, fscore.replace(’\n’,‘’).strip()

#网页链接url

url_dzf = tag.find(attrs={“target”:“_blank”})

urls = url_dzf.attrs[‘href’]

print u’[网页链接]‘, urls.replace(’\n’,‘’).strip()

urlss = ‘http://www.mayi.com’ + urls + ‘’

print urlss

#主函数

if name == ‘main’:

i = 1

while i<10:

print u’页码’, i

url = ‘http://www.mayi.com/guiyang/’ + str(i) + ‘/?map=no’

gydzf(url)

i = i+1

else:

print u"结束"

输出结果如下图所示：

页码 1

[短租房名称] 大唐东原财富广场–城市简约复式民宿

[短租房价格] 298

[短租房评分/评论/居住人数] 5.0分·5条评论·二居·可住3人

[网页链接] /room/851634765

http://www.mayi.com/room/851634765

[短租房名称] 大唐东原财富广场–清新柠檬复式民宿

[短租房价格] 568

[短租房评分/评论/居住人数] 2条评论·三居·可住6人

[网页链接] /room/851634467

http://www.mayi.com/room/851634467

…

页码 9

[短租房名称] 【高铁北站公园旁】美式风情+超大舒适安逸

[短租房价格] 366

[短租房评分/评论/居住人数] 3条评论·二居·可住5人

[网页链接] /room/851018852

http://www.mayi.com/room/851018852

[短租房名称] 大营坡（中大国际购物中心附近）北欧小清新三室

[短租房价格] 298

[短租房评分/评论/居住人数] 三居·可住6人

[网页链接] /room/851647045

http://www.mayi.com/room/851647045

接下来我们想获取详细信息

这里作者主要是提供分析Cookie的方法，使用浏览器打开网页，右键“检查”，然后再刷新网页。在“NetWork”中找到网页并点击，在弹出来的Headers中就隐藏这这些信息。

最常见的两个参数是Cookie和User-Agent，如下图所示：

然后在Python代码中设置这些参数，再调用Urllib2.Request()提交请求即可，核心代码如下：

user_agent=“Mozilla/5.0 (Windows NT 10.0; Win64; x64) … Chrome/61.0.3163.100 Safari/537.36”

cookie=“mediav=%7B%22eid%22%3A%22387123…b3574ef2-21b9-11e8-b39c-1bc4029c43b8”

headers={“User-Agent”:user_agent,“Cookie”:cookie}

request=urllib2.Request(url,headers=headers)

response=urllib2.urlopen(request)

contents = response.read()

soup = BeautifulSoup(contents, “html.parser”)

for tag1 in soup.find_all(attrs={“class”:“main”}):

注意，每小时Cookie会更新一次，我们需要手动修改Cookie值即可，就是上面代码的cookie变量和user_agent变量。完整代码如下所示：

import urllib2

import re

from bs4 import BeautifulSoup

import codecs

import csv

c = open(“ycf.csv”,“wb”) #write 写

c.write(codecs.BOM_UTF8)

writer = csv.writer©

writer.writerow([“短租房名称”,“地址”,“价格”,“评分”,“可住人数”,“人均价格”])

#爬取详细信息

def getInfo(url,fname,fprice,fscore,users):

#通过浏览器开发者模式查看访问使用的user_agent及cookie设置访问头（headers）避免反爬虫,且每隔一段时间运行要根据开发者中的cookie更改代码中的cookie

user_agent=“Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.100 Safari/537.36”

cookie=“mediav=%7B%22eid%22%3A%22387123%22eb7; mayi_uuid=1582009990674274976491; sid=42200298656434922.85.130.130”

headers={“User-Agent”:user_agent,“Cookie”:cookie}

request=urllib2.Request(url,headers=headers)

response=urllib2.urlopen(request)

contents = response.read()

soup = BeautifulSoup(contents, “html.parser”)

#短租房地址

for tag1 in soup.find_all(attrs={“class”:“main”}):

print u’短租房地址:’

for tag2 in tag1.find_all(attrs={“class”:“desWord”}):

address = tag2.find(‘p’).get_text()

print address

#可住人数

print u’可住人数:’

for tag4 in tag1.find_all(attrs={“class”:“w258”}):

yy = tag4.find(‘span’).get_text()

print yy

fname = fname.encode(“utf-8”)

address = address.encode(“utf-8”)

fprice = fprice.encode(“utf-8”)

fscore = fscore.encode(“utf-8”)

fpeople = yy[2:3].encode(“utf-8”)

ones = int(float(fprice))/int(float(fpeople))

#存储至本地

writer.writerow([fname,address,fprice,fscore,fpeople,ones])

#爬虫函数

def gydzf(url):

user_agent=“Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36”

headers={“User-Agent”:user_agent}

request=urllib2.Request(url,headers=headers)

response=urllib2.urlopen(request)

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！