Python爬虫：设置Cookie解决网站拦截并爬取蚂蚁短租，2024年最新Python面试题整理2024简书

节点下。

接下来我们写个简单的BeautifulSoup进行爬取。

-- coding: utf-8 --

import urllib

import re

from bs4 import BeautifulSoup

import codecs

url = ‘http://www.mayi.com/guiyang/?map=no’

response=urllib.urlopen(url)

contents = response.read()

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

print soup.title

print soup

#短租房名称

for tag in soup.find_all(‘dd’):

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()

但很遗憾，报错了，说明蚂蚁金服防范措施还是挺到位的。

二. 设置Cookie的BeautifulSoup爬虫

---

添加消息头的代码如下所示，这里先给出代码和结果，再教大家如何获取Cookie。

-- 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)

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

最后

不知道你们用的什么环境，我一般都是用的Python3.6环境和pycharm解释器，没有软件，或者没有资料，没人解答问题，都可以免费领取（包括今天的代码），过几天我还会做个视频教程出来，有需要也可以领取~

给大家准备的学习资料包括但不限于：

Python 环境、pycharm编辑器/永久激活/翻译插件

python 零基础视频教程

Python 界面开发实战教程

Python 爬虫实战教程

Python 数据分析实战教程

python 游戏开发实战教程

Python 电子书100本

Python 学习路线规划

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，都欢迎扫码加入我们的的圈子（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！

f0.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2ZlaTM0Nzc5NTc5MA==,size_16,color_FFFFFF,t_70)

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，都欢迎扫码加入我们的的圈子（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！
[外链图片转存中…(img-5t5Z4WIQ-1712711067109)]