pythonscrapy——crawlspider&cookie&post发送

最新推荐文章于 2024-08-17 19:32:58 发布

brkalsy

最新推荐文章于 2024-08-17 19:32:58 发布

阅读量893

点赞数 1

分类专栏： python爬虫笔记文章标签： python post cookie

本文链接：https://blog.csdn.net/enginebrkalsy/article/details/117793229

版权

本文介绍了使用Python Scrapy框架进行网络爬虫的实战经验，包括利用crawlspider爬取古诗名字，处理没有title的情况，以及如何通过正则表达式优化爬取。还详细讲解了如何进行cookie模拟登录qq空间，通过中间键middlewaves设置cookie，并通过两种方式发送POST请求，以GitHub为例展示了登录过程。

摘要由CSDN通过智能技术生成

pythonscrapy——crawlspider

crawlspider命令——scrapy startproject xxxx，scrapy genspider -t crawl xx xxxxxx

在这里插入图片描述

爬取古诗名字：

在这里插入图片描述

将没有title的处理

在这里插入图片描述

当url的规律适合用正则来爬取的话，用crawlspider会好

详情页的名字在这个：

在这里插入图片描述

结果：

在这里插入图片描述

不仅爬出来了，也把不用的数据也爬了

在这里插入图片描述

因为他们的url也是这样的

在这里插入图片描述

cookie模拟登录——qq空间

需要在parse之前就把cookie放上去——用中间键middlewaves实现（下载中间键）

方式一：用middlewaves下载中间键

Request（）方法参数都可以作为request的设置

在这里插入图片描述

设置代理ip

在这里插入图片描述

cookie设置：

在这里插入图片描述

settings里面的cookie

在这里插入图片描述

用其他方式2：方法重写start_requests

找到网页qq空间中的cookie

在这里插入图片描述

拿到cookie之后，因为两个之间隔着；所以从这个来进行split（）


class QkjSpider(scrapy.Spider):
    name = 'qkj'
    allowed_domains = ['qq.com']
    start_urls = ['https://user.qzone.qq.com/807206781']

    # 携带cookie  可以用下载中间件
    # 携带cookie要重写start_requests()方法
    def start_requests(self):
        cookies = 'pgv_pvid=6875865022; RK=xNAscq/bfR; ptcz=288c7e8814e1499eb6d8741258d952974d9331dff7ecffd1495d1150efae201c; pgv_info=ssid=s8828885120; _qpsvr_localtk=0.3050993