利用python爬取人人贷网的数据

转自 http://mp.weixin.qq.com/s?__biz=MzA3MDg0MjgxNQ==&mid=2652390789&idx=1&sn=95bd2f843d7fc2d66ca4082fdd1b2c96&chksm=84da4555b3adcc438f6dd4bdcac14522e6a7f3547d72d19a7263e8ebf92447197ee889ffbe9f&mpshare=1&scene=1&srcid=0202TxFMALJN9yicn6DO61W3#rd

正文：

人人贷网站需要用户登录才能看到其相应的借贷人信息。也就是说在爬取数据时，需要用户登录。回顾之前的代码，我想是保存cookie这种方法是不能用了。必须找到一种新的方法来模拟登录网站。查了许多资料，数据捉取无外乎有3种方法：

1．直接抓取数据。

2.模拟浏览器抓取数据。 

3.基于API接口抓取数据

 

综合分析，我决定用第2种方法"模拟浏览器登录"，那得找好相应的python包，网上有：mechanize，selenium等等。 

1.mechanize包的尝试

br.select_form(nr = 0) # Find the login form
br['vb_login_username'] = '你的用户名'
br['vb_login_password'] = '你的注册密码'

 

这段代码中老是遇到问题，第一，select_form中的nr怎么找，第二，在人人贷网站源代码中如何找所谓的'vb_login_username'，'vb_login_password'的专有名词。

其实我在代码测试中还是找到对于的nr=0，但是找了好久找不到对应的'vb_login_username'。（个人不太懂html，学的比较菜，有兴趣的可以尝试一下）。后来听朋友说可以试试selenium。

 

前面废话说了一大堆，都是我学的比较菜，也就是我的经验之谈。

2.selenium包的尝试（重点）

首先你得安装好它，直接pip install selenium即可。而且还要下载相应的浏览器驱动（这里我的运行环境是linux，python好像是3.0以上的，浏览器是firefox）

驱动的下载地址为https://github.com/mozilla/geckodriver/releases（下载好自己系统的版本），然后放到相应的PATH路径中，否则找不到driver。

Window下驱动的放置位置：

　　将geckodriver.exe复制到C:\Program Files (x86)\mozilla firefox目录下；
　　并在环境变量Path中添加路径：C:\Program Files (x86)\mozilla firefox；
　　重启cmd，再次运行即可；
　　　　 

 

Linux下驱动的放置位置：

　　　解压后将geckodriver存放至 /usr/local/bin/ 路径下即可
　　　sudo mv ～/Downloads/geckodriver /usr/local/bin/

相应代码如下：

相应数据图展示：

PS：
　　其中'loanId2.csv'是之前博客（http://www.cnblogs.com/Yiutto/p/5890906.html）
　　爬取整理的loanId，只有通过loanId才能爬取借贷人信息。

　　后来运行上述代码大概爬了3000多条就中断了（应该是同一ip访问过多的问题），如果需要大量数据的可以考虑分批爬取，多台电脑同时进行。