Python爬虫的requests（学习于b站尚硅谷）

已于 2023-08-19 21:50:05 修改
阅读量2.1k 收藏 10
点赞数
分类专栏： Python爬虫（学习于b站尚硅谷） 文章标签： python 爬虫 学习
于 2023-08-12 09:51:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_60146935/article/details/132221280
版权

目录


  说明：该文章是学习 尚硅谷在B站上分享的视频 Python爬虫教程小白零基础速通的 p51-104而记录的笔记，笔记来源于本人，关于python基础可以去CSDN上阅读本人学习黑马程序员的笔记。 若有侵权，请联系本人删除。笔记难免可能出现错误或笔误，若读者发现笔记有错误，欢迎在评论里批评指正。 请合法合理使用爬虫，不爬取任何涉密以及涉及隐私的内容，合理控制请求次数，爬取的内容未经授权请不要用于商用，保护自己，免受牢狱之灾。
在这里插入图片描述
在这里插入图片描述

  本章将学习requests，首先，requests和urllib的作用几乎一模一样。但是，在处理某些页面时，requests会更加方便、更加简单、更加强大。这里用表格对比一下urllib以及requests学习的内容。

方法urllibrequests
主要内容一个类型以及六个方法
get请求
post请求 百度翻译
ajax的get请求
ajax的post请求
cookie登陆 微博
代理		一个类型以及六个属性
get请求
post请求
代理
cookie
验证码

一、requests

  1. requests的基本使用

  （1）文档

官方文档
    https://requests.readthedocs.io/projects/cn/zh_CN/latest/
快速上手
    https://requests.readthedocs.io/projects/cn/zh_CN/latest/user/quickstart.html

  官方文档内容比较多，快速上手的文档里面就是一些基本使用、基本操作。
在这里插入图片描述
在这里插入图片描述

  （2）安装

安装命令：pip install requests -i https://pypi.mirrors.ustc.edu.cn/simple/

  安装具体步骤：如下图，先打开“命令提示符”。
在这里插入图片描述
  然后在命令提示符里安装requests。
在这里插入图片描述

  （3）响应response的属性以及类型

类型models.Response
r.text获取网站源码
r.encoding访问或定制编码方式
r.url获取请求的url
r.content响应的字节类型
r.status_code响应的状态码
r.headers响应的头信息

  （4）代码演示

  创建文件夹“爬虫的requests”。
在这里插入图片描述
  创建文件“084_requests的基本使用.py”。
在这里插入图片描述
  如下编程，发现requests的响应的类型为Response，这和urllib不一样，在之前的学习中我们知道urllib返回的响应的类型为HTTPResponse。

"""
requests的基本使用
"""
import requests

url = 'http://www.baidu.com'
# 访问网址并接收产生的响应
response = requests.get(url)

# 一个类型和六个属性
# Response类型
print(f"respons的类型：{type(response)}")

在这里插入图片描述
  如下编程，发现如果不设置编码格式，获取的网页源码会有乱码出现。

"""
requests的基本使用
"""
import requests

url = 'http://www.baidu.com'
# 访问网址并接收产生的响应
response = requests.get(url)

# 一个类型和六个属性
# Response类型
print(f"respons的类型：{type(response)}")

# (1)以字符串的形式返回网页源码
print(f"response.text的内容:{response.text}")

在这里插入图片描述
  如下，设置编码格式为’UTF-8’后，就没有乱码了。
在这里插入图片描述
  继续编程，熟悉其他4个类型。

"""
requests的基本使用
"""
import requests

url = 'http://www.baidu.com'
# 访问网址并接收产生的响应
response = requests.get(url)

# 一个类型和六个属性
# Response类型
# print(f"respons的类型：{type(response)}")

# # (2)设置响应的编码格式
# response.encoding = 'UTF-8'

# # (1)以字符串的形式返回网页源码
# print(f"response.text的内容:{response.text}")

# (3)返回一个url地址
print(f"response.url返回的内容：{response.url}")

# (4)返回二进制数据
print(f"response.content返回的内容：{response.content}")

# (5)返回响应的状态码
print(f"response.status_code返回的内容：{response.status_code}")

# (6)返回的是请求头
print(f"response.headers返回的内容：{response.headers}")

在这里插入图片描述

  2.requests之get请求

  如下图，本次需要获取“https://www.baidu.com/s?wd=北京”的网页源码，但是“北京”存在编码问题，需要在代码中进行处理。
在这里插入图片描述
  创建文件“085_requests之get请求.py”。
在这里插入图片描述
  如下编程并运行（注：下面代码需要在请求头中加Cookie才能没有百度的安全验证）。
在这里插入图片描述

"""
requests之get请求
"""
import requests

url = 'https://www.baidu.com/s?'
# 请求头
headers = {
    'User-Agent':'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) AppleWeb-Kit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Mobile Safari/537.36 Edg/115.0.1901.200',
}
data = {
    'wd': '北京'
}

# url       请求资源路径
# params    参数
# kwargs    字典
response = requests.get(url=url, params=data, headers=headers)
response.encoding = 'UTF-8'
content = response.text

print(content)

# 总结：
# (1)参数使用params传递
# (2)参数无需urlencode编码
# (3)不需要请求对象的定制
# (4)请求资源路径中的？可以加，也可以不加

在这里插入图片描述

  3. requests之post请求

  （1）演示示例-爬取百度翻译

  如下图，寻找百度翻译的接口。首先打开百度翻译（“https://fanyi.baidu.com/”），打开检查，点击网络。然后随便输入一个单词，之后根据接口的负载找到对应的接口，发现它是一个post请求。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
  创建文件“086_requests之post请求.py”，并将接口的请求地址、参数复制过来。
在这里插入图片描述在这里插入图片描述在这里插入图片描述
  如下编程并运行。

"""
requests之post请求
"""
import encodings.utf_8

import requests
import json

url = 'https://fanyi.baidu.com/sug'
headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) Ap-pleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Mobile Safari/537.36 Edg/115.0.1901.200',
}
data = {
    'kw': 'eye'
}

response = requests.post(url=url, data=data, headers=headers)
content = response.text
# print(content)  # 测试代码，验证是否获取到网页源码

obj = json.loads(content)
print(obj)

# 总结：
# （1）post请求  是不需要编解码
# （2）post请求的参数是data
# （3）不需要请求对象的定制

在这里插入图片描述

  （2）get和post区别

①get请求的参数名字是params post请求的参数的名字是data
②get请求资源路径后面可以不加？
③不需要手动编解码
④不需要做请求对象的定制

  4. requests之代理

  requests的代理和urllib的代理都差不多，主要都是想解决当我们在模拟浏览器向服务器发送请求时，我们在短时间内快速、高频次访问某个网站面临ip被封的问题。
  本次将保存搜索“ip”这一页的网页源码，再使用快代理使用国内其他省份的ip（试了，快代理上的免费ip没用，失败了。本人穷鬼一个，没钱，就不去花钱来演示了），具体步骤如下。
  先直接在百度上搜索“ip”,删去网址中含广告的部分后，剩余“https://www.baidu.com/s?wd=ip”。
在这里插入图片描述
  创建文件“087_requests之代理.py”。
在这里插入图片描述
  先如下编程，保存搜索“ip”这一页的网页源码，可以查到本人当前ip地址属于中国重庆。

"""
requests之代理
"""
import requests

url = 'https://www.baidu.com/s?'
headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) Ap-pleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Mobile Safari/537.36 Edg/115.0.1901.200',
}
data = {
    'wd': 'ip'
}
response = requests.get(url=url, params=data, headers=headers)

content = response.text

with open('代理.html', 'w', encoding='UTF-8') as fp:
    fp.write(content)

在这里插入图片描述在这里插入图片描述
  如下图，打开快代理的官网，试一试免费代理的ip。
在这里插入图片描述
  继续编程，使用快代理的免费“ip”,发现不好用，切换失败。如果家里有条件，可以去买个ip来试。

"""
requests之代理
"""
import requests

url = 'https://www.baidu.com/s?'
headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) Ap-pleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Mobile Safari/537.36 Edg/115.0.1901.200',
}
data = {
    'wd': 'ip'
}

# 设置其他ip
proxy={
    'http':'58.20.184.187:9091'
}

response = requests.get(url=url, params=data, headers=headers,proxies=proxy)

content = response.text

with open('代理.html', 'w', encoding='UTF-8') as fp:
    fp.write(content)

  5. requests之cookie登陆古诗文网（含在程序端输入验证码、隐藏域反爬、session）

  进入本次演示以前，本人先声明一下：学习爬虫的小伙伴们，如果有人想绕过网站的登陆系统，直接进入需要登陆才有的网页数据，请规范好自己的行为。维护网站的人员通过该行为来访问自己的网站，建立反爬机制是没有问题的，非内部人员就不好说了。另外，爬虫技术和图像识别等技术，单独学习使用是没有问题的，但通过结合来使用爬虫绕过登陆系统的行为是否存在问题，还请自行思考。本次的演示是从程序端老老实实的输入验证码，并没有绕过登陆系统，不存在可能出现的违规行为。
在这里插入图片描述
  如下图，进入古诗词网，点击“我的”，发现有一登陆页面。本次演示需要通过程序端输入账号和密码，然后在程序端填写验证码并登陆。
在这里插入图片描述
  如下图，先注册一账号以便程序使用（本人使用的是临时邮箱，不用打码了）。
在这里插入图片描述在这里插入图片描述
  创建文件“088_requests之cookie登陆古诗文网（含验证码）.py”。
在这里插入图片描述
  如下图，寻找登陆接口。打开检查，点击网络，清空列表，输入正确邮箱、错误密码、正确验证码，点击登陆，然后保持住浏览器的网页不要动。
在这里插入图片描述
  在含有登陆英文login的接口里寻找登陆接口，发现某一接口里含登陆名、密码、验证码，说明它正是我们需要找的登陆接口，然后将参数复制到PyCharm中，然后进行思考实现我们的需求需要怎么做。
在这里插入图片描述在这里插入图片描述
  如下图所示，点击确定，回到登陆页面，在网页源码中寻找到其中两个参数。
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
  如下操作，找到需要的网页源码的请求地址，并复制到PyCharm中。
在这里插入图片描述在这里插入图片描述
  如下编程，获取网页源码，并使用快捷键Ctr+F去搜一下，确定有无需要的数据。

"""
cookie登陆古诗文网（含验证码）
"""
# 通过登陆  然后进入到主页面

# 通过找登陆接口我们发现 登陆的时候需要的参数很多
# __VIEWSTATE: wzavkIiUpeGeXT-Gu4jEWSBcHAneSt4SJdDa3y/PEP5sDZuLEWgE1r37kEQzlJ/pVVbYYMe7vrMvtm3NUmkX2KGAuPYULzyiZDcfhry5nbmFCtGY/RrDbqJIDMu0KDOYRMeQRs/Xwv2vH/1ZpkEoSK0lGoA0=
# __VIEWSTATEGENERATOR: C93BE1AE
# from: http://so.gushiwen.cn/user/collect.aspx
# email: cney6tcn@linshiyouxiang.net
# pwd: 8YW8GYET78933ETR
# code: 32GV
# denglu: 登录

# 我们观察到_VIEWSTATE   __VIEWSTATEGENERATOR  code是一个可以变化的量

# 难点:(1)_VIEWSTATE   __VIEWSTATEGENERATOR  一般情况看不到的数据 都是在页面的源码中
#     我们观察到这两个数据在页面的源码中 所以我们需要获取页面的源码 然后进行解析就可以获取了
#     (2)验证码

import requests

# 这是登陆页面的url地址
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.a'

headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) Ap-pleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Mobile Safari/537.36 Edg/115.0.1901.200',
}
response = requests.get(url=url, headers=headers)
content = response.text
print(content)  # 测试代码，验证能否获取网页源码

在这里插入图片描述
  如下图，根据检查里的元素思考寻找其中两个变量的参数的方法。
在这里插入图片描述
  如下编程，成功获取这两个变量的参数（“_VIEWSTATE”需改为“__VIEWSTATE”,笔误）。

"""
cookie登陆古诗文网（含验证码）
"""
# 通过登陆  然后进入到主页面

# 通过找登陆接口我们发现 登陆的时候需要的参数很多
# __VIEWSTATE: wzavkIiUpeGeXT-Gu4jEWSBcHAneSt4SJdDa3y/PEP5sDZuLEWgE1r37kEQzlJ/pVVbYYMe7vrMvtm3NUmkX2KGAuPYULzyiZDcfhry5nbmFCtGY/RrDbqJIDMu0KDOYRMeQRs/Xwv2vH/1ZpkEoSK0lGoA0=
# __VIEWSTATEGENERATOR: C93BE1AE
# from: http://so.gushiwen.cn/user/collect.aspx
# email: cney6tcn@linshiyouxiang.net
# pwd: 8YW8GYET78933ETR
# code: 32GV
# denglu: 登录

# 我们观察到__VIEWSTATE   __VIEWSTATEGENERATOR  code是一个可以变化的量

# 难点:(1)__VIEWSTATE   __VIEWSTATEGENERATOR  一般情况看不到的数据 都是在页面的源码中
#     我们观察到这两个数据在页面的源码中 所以我们需要获取页面的源码 然后进行解析就可以获取了
#     (2)验证码

import requests
from bs4 import BeautifulSoup

# 这是登陆页面的url地址
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.a'

headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) Ap-pleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Mobile Safari/537.36 Edg/115.0.1901.200',
}
response = requests.get(url=url, headers=headers)
content = response.text
# print(content)  # 测试代码，验证能否获取网页源码

# 解析页面源码  然后获取__VIEWSTATE   __VIEWSTATEGENERATOR
soup = BeautifulSoup(content, 'lxml')

# 获取__VIEWSTATE
# .select返回列表，需用切片取出对应标签      .attrs.get获取属性值
viewstate = soup.select('#__VIEWSTATE')[0].attrs.get('value')

# 获取__VIEWSTATEGENERATOR
viewstategenerator = soup.select('#__VIEWSTATEGENERATOR')[0].attrs.get('value')

print(viewstate)
print(viewstategenerator)

在这里插入图片描述
  接下来还需要寻找验证码。如图，点击验证码，右击选择检查，将鼠标放在src处等待一会，观察后发现，可根据id找到验证码的图片链接的参数，说明验证码图片链接需要拼接。
在这里插入图片描述在这里插入图片描述
  如下编程，成功获取到验证码图片的url。

"""
cookie登陆古诗文网（含验证码）
"""
# 通过登陆  然后进入到主页面

# 通过找登陆接口我们发现 登陆的时候需要的参数很多
# __VIEWSTATE: wzavkIiUpeGeXT-Gu4jEWSBcHAneSt4SJdDa3y/PEP5sDZuLEWgE1r37kEQzlJ/pVVbYYMe7vrMvtm3NUmkX2KGAuPYULzyiZDcfhry5nbmFCtGY/RrDbqJIDMu0KDOYRMeQRs/Xwv2vH/1ZpkEoSK0lGoA0=
# __VIEWSTATEGENERATOR: C93BE1AE
# from: http://so.gushiwen.cn/user/collect.aspx
# email: cney6tcn@linshiyouxiang.net
# pwd: 8YW8GYET78933ETR
# code: 32GV
# denglu: 登录

# 我们观察到__VIEWSTATE   __VIEWSTATEGENERATOR  code是一个可以变化的量

# 难点:(1)__VIEWSTATE   __VIEWSTATEGENERATOR  一般情况看不到的数据 都是在页面的源码中
#     我们观察到这两个数据在页面的源码中 所以我们需要获取页面的源码 然后进行解析就可以获取了
#     (2)验证码

import requests
from bs4 import BeautifulSoup

# 这是登陆页面的url地址
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.a'

headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) Ap-pleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Mobile Safari/537.36 Edg/115.0.1901.200',
}
response = requests.get(url=url, headers=headers)
content = response.text
# print(content)  # 测试代码，验证能否获取网页源码

# 解析页面源码  然后获取__VIEWSTATE   __VIEWSTATEGENERATOR
soup = BeautifulSoup(content, 'lxml')

# 获取__VIEWSTATE
# .select返回列表，需用切片取出对应标签      .attrs.get获取属性值
viewstate = soup.select('#__VIEWSTATE')[0].attrs.get('value')

# 获取__VIEWSTATEGENERATOR
viewstategenerator = soup.select('#__VIEWSTATEGENERATOR')[0].attrs.get('value')

# print(viewstate)  # 测试代码，验证是否获取到__VIEWSTATE的参数
# print(viewstategenerator)  # 测试代码，验证是否获取到__VIEWSTATEGENERATOR的参数

# 获取验证码图片
code_url_para = soup.select('#imgCode')[0].attrs.get('src')
code_url = 'https://so.gushiwen.cn/' + code_url_para
print(code_url)  # 测试代码，验证是否获取到验证码的图片的url

在这里插入图片描述
  如之前所说的，通过输入正确邮箱、错误密码、正确验证码，点击登陆，来寻找登陆接口，然后将接口的请求地址复制到PyCharm中。
在这里插入图片描述
  如下编程，发现直接获取验证码，然后在程序端输入验证码后登不进去。这是因为“urllib.request.urlretrieve”下载图片提交的请求和“requests.post”提交的请求不是同一个导致的，requests.post”提交的请求时验证码已经改变。

"""
cookie登陆古诗文网（含验证码）
"""
# 通过登陆  然后进入到主页面

# 通过找登陆接口我们发现 登陆的时候需要的参数很多
# __VIEWSTATE: wzavkIiUpeGeXT-Gu4jEWSBcHAneSt4SJdDa3y/PEP5sDZuLEWgE1r37kEQzlJ/pVVbYYMe7vrMvtm3NUmkX2KGAuPYULzyiZDcfhry5nbmFCtGY/RrDbqJIDMu0KDOYRMeQRs/Xwv2vH/1ZpkEoSK0lGoA0=
# __VIEWSTATEGENERATOR: C93BE1AE
# from: http://so.gushiwen.cn/user/collect.aspx
# email: cney6tcn@linshiyouxiang.net
# pwd: 8YW8GYET78933ETR
# code: 32GV
# denglu: 登录

# 我们观察到__VIEWSTATE   __VIEWSTATEGENERATOR  code是一个可以变化的量

# 难点:(1)__VIEWSTATE   __VIEWSTATEGENERATOR  一般情况看不到的数据 都是在页面的源码中
#     我们观察到这两个数据在页面的源码中 所以我们需要获取页面的源码 然后进行解析就可以获取了
#     (2)验证码

import requests
from bs4 import BeautifulSoup
import urllib.request

# 这是登陆页面的url地址
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.a'

headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) Ap-pleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Mobile Safari/537.36 Edg/115.0.1901.200',
}
response = requests.get(url=url, headers=headers)
content = response.text
# print(content)  # 测试代码，验证能否获取网页源码

# 解析页面源码  然后获取__VIEWSTATE   __VIEWSTATEGENERATOR
soup = BeautifulSoup(content, 'lxml')

# 获取__VIEWSTATE
# .select返回列表，需用切片取出对应标签      .attrs.get获取属性值
viewstate = soup.select('#__VIEWSTATE')[0].attrs.get('value')

# 获取__VIEWSTATEGENERATOR
viewstategenerator = soup.select('#__VIEWSTATEGENERATOR')[0].attrs.get('value')

# print(viewstate)  # 测试代码，验证是否获取到__VIEWSTATE的参数
# print(viewstategenerator)  # 测试代码，验证是否获取到__VIEWSTATEGENERATOR的参数

# 获取验证码图片
code_url_para = soup.select('#imgCode')[0].attrs.get('src')
code_url = 'https://so.gushiwen.cn/' + code_url_para
# print(code_url)  # 测试代码，验证是否获取到验证码的图片的url

# 有坑
# 在浏览器的检查的网络里找登陆接口时，如果不勾选检查的网络里的保留日志
# 且输入正确的名字、正确的密码、正确的验证码并登陆后，老版浏览器或者可能别的浏览器会
# 出现登陆接口会消失的情况，  进而导致无法寻找到登陆接口
urllib.request.urlretrieve(url=code_url, filename='code.jpg')

# 获取了验证码的图片之后 下载到本地 然后观察验证码 观察之后 然后在控制台输入这个验证码
# 就可以捋这个值给code的参数 就可以登陆
code_name = input('请输入你的验证码')

# 点击登陆
url_post = 'https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx'
data_post = {
    '__VIEWSTATE': viewstate,
    '__VIEWSTATEGENERATOR': viewstategenerator,
    'from': 'http://so.gushiwen.cn/user/collect.aspx',
    'email': 'cney6tcn@linshiyouxiang.net',
    'pwd': 'u89w7829e',  # 此处请输入正确的密码
    'code': code_name,
    'denglu': '登录',
}

response_post = requests.post(url=url_post, headers=headers, data=data_post)
content_post=response_post.text

with open('古诗文.html','w',encoding='UTF-8') as fp:
    fp.write(content_post)

在这里插入图片描述
  删去文件“code.jpg”和“古诗文.html”。
在这里插入图片描述
  如下编程并运行，成功登陆网页。

"""
cookie登陆古诗文网（含验证码）
"""
# 通过登陆  然后进入到主页面

# 通过找登陆接口我们发现 登陆的时候需要的参数很多
# __VIEWSTATE: wzavkIiUpeGeXT-Gu4jEWSBcHAneSt4SJdDa3y/PEP5sDZuLEWgE1r37kEQzlJ/pVVbYYMe7vrMvtm3NUmkX2KGAuPYULzyiZDcfhry5nbmFCtGY/RrDbqJIDMu0KDOYRMeQRs/Xwv2vH/1ZpkEoSK0lGoA0=
# __VIEWSTATEGENERATOR: C93BE1AE
# from: http://so.gushiwen.cn/user/collect.aspx
# email: cney6tcn@linshiyouxiang.net
# pwd: 8YW8GYET78933ETR
# code: 32GV
# denglu: 登录

# 我们观察到__VIEWSTATE   __VIEWSTATEGENERATOR  code是一个可以变化的量

# 难点:(1)__VIEWSTATE   __VIEWSTATEGENERATOR  一般情况看不到的数据 都是在页面的源码中
#     我们观察到这两个数据在页面的源码中 所以我们需要获取页面的源码 然后进行解析就可以获取了
#     (2)验证码

import requests
from bs4 import BeautifulSoup
import urllib.request

# 这是登陆页面的url地址
url = 'https://so.gushiwen.cn/user/login.aspx?from=http://so.gushiwen.cn/user/collect.a'

headers = {
    'User-Agent': 'Mozilla/5.0 (Linux; Android 6.0; Nexus 5 Build/MRA58N) Ap-pleWebKit/537.36 (KHTML, like Gecko) Chrome/115.0.0.0 Mobile Safari/537.36 Edg/115.0.1901.200',
}
response = requests.get(url=url, headers=headers)
content = response.text
# print(content)  # 测试代码，验证能否获取网页源码

# 解析页面源码  然后获取__VIEWSTATE   __VIEWSTATEGENERATOR
soup = BeautifulSoup(content, 'lxml')

# 获取__VIEWSTATE
# .select返回列表，需用切片取出对应标签      .attrs.get获取属性值
viewstate = soup.select('#__VIEWSTATE')[0].attrs.get('value')

# 获取__VIEWSTATEGENERATOR
viewstategenerator = soup.select('#__VIEWSTATEGENERATOR')[0].attrs.get('value')

# print(viewstate)  # 测试代码，验证是否获取到__VIEWSTATE的参数
# print(viewstategenerator)  # 测试代码，验证是否获取到__VIEWSTATEGENERATOR的参数

# 获取验证码图片
code_url_para = soup.select('#imgCode')[0].attrs.get('src')
code_url = 'https://so.gushiwen.cn/' + code_url_para
# print(code_url)  # 测试代码，验证是否获取到验证码的图片的url

# 有坑
# (1)在浏览器的检查的网络里找登陆接口时，如果不勾选检查的网络里的保留日志
# 且输入正确的名字、正确的密码、正确的验证码并登陆后，老版浏览器或者可能别的浏览器会
# 出现登陆接口会消失的情况，  进而导致无法寻找到登陆接口
# (2)“urllib.request.urlretrieve”下载图片提交的请求和“requests.post”提交的请求不是同一个，
# 会导致“requests.post”提交的请求时，程序端输入的验证码失效
# requests里面有一个方法 session()  通过session的返回值 就能使用请求变成一个对象
# urllib.request.urlretrieve(url=code_url, filename='code.jpg')
session = requests.session()
# 验证码的url的内容
response_code = session.get(code_url)
# 注意此时要使用二进制数据，通过二进制下载图片
content_code = response_code.content
# wb的模式就是将二进制数据写入到文件
with open('code.jpg', 'wb') as fp:
    fp.write(content_code)

# 获取了验证码的图片之后 下载到本地 然后观察验证码 观察之后 然后在控制台输入这个验证码
# 就可以捋这个值给code的参数 就可以登陆
code_name = input('请输入你的验证码')

# 点击登陆
url_post = 'https://so.gushiwen.cn/user/login.aspx?from=http%3a%2f%2fso.gushiwen.cn%2fuser%2fcollect.aspx'
data_post = {
    '__VIEWSTATE': viewstate,
    '__VIEWSTATEGENERATOR': viewstategenerator,
    'from': 'http://so.gushiwen.cn/user/collect.aspx',
    'email': 'cney6tcn@linshiyouxiang.net',
    'pwd': 'u89w7829e',  # 此处请输入正确的密码
    'code': code_name,
    'denglu': '登录',
}

response_post = session.post(url=url_post, headers=headers, data=data_post)
content_post = response_post.text

with open('古诗文.html', 'w', encoding='UTF-8') as fp:
    fp.write(content_post)

# 难点
# （1） 隐藏域
# （2） 验证码

在这里插入图片描述
  如果不再使用该网站的账号，可以删除该账号。
在这里插入图片描述在这里插入图片描述在这里插入图片描述

  6. requests_超级鹰打码平台的使用

  本次将演示如何使用超级鹰打码平台来识别验证码。如下图所示，打开超级鹰平台（“http://www.chaojiying.com/”），然后点击开发文档，找到并点击“超级鹰图像识别Python语言Demo下载”，然后选择“点击这里下载”。
在这里插入图片描述
  然后解压下载的文件，将其中的两个文件（即“a.jpg”和“chaojiying.py”）复制到PyCharm的文件夹“爬虫的requests”中，然后可以打开这两个文件浏览一下有哪些内容。
在这里插入图片描述在这里插入图片描述
  然后在网站中可以使用一个临时邮箱注册，如果有需要的可以使用长久邮箱注册。
在这里插入图片描述在这里插入图片描述
  如下图，注册后会自动登陆，然后点击“软件ID”，去生成一个ID。
在这里插入图片描述在这里插入图片描述在这里插入图片描述
  再将ID复制到PyCharm中，并在代码的对应位置输入账号和密码，print处也要加括号。
在这里插入图片描述在这里插入图片描述
  如下所示编程，按理说能够发现该代码能够获取图片的验证码，可是超级鹰需要题分，即需要关注以及充钱之类的，这个，本人没钱。
在这里插入图片描述

#!/usr/bin/env python
# coding:utf-8

import requests
from hashlib import md5

class Chaojiying_Client(object):

    def __init__(self, username, password, soft_id):
        self.username = username
        password =  password.encode('utf8')
        self.password = md5(password).hexdigest()
        self.soft_id = soft_id
        self.base_params = {
            'user': self.username,
            'pass2': self.password,
            'softid': self.soft_id,
        }
        self.headers = {
            'Connection': 'Keep-Alive',
            'User-Agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Tri-dent/4.0)',
        }

    def PostPic(self, im, codetype):
        """
        im: 图片字节
        codetype: 题目类型 参考 http://www.chaojiying.com/price.html
        """
        params = {
            'codetype': codetype,
        }
        params.update(self.base_params)
        files = {'userfile': ('ccc.jpg', im)}
        r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', da-ta=params, files=files, headers=self.headers)
        return r.json()

    def PostPic_base64(self, base64_str, codetype):
        """
        im: 图片字节
        codetype: 题目类型 参考 http://www.chaojiying.com/price.html
        """
        params = {
            'codetype': codetype,
            'file_base64':base64_str
        }
        params.update(self.base_params)
        r = requests.post('http://upload.chaojiying.net/Upload/Processing.php', da-ta=params, headers=self.headers)
        return r.json()

    def ReportError(self, im_id):
        """
        im_id:报错题目的图片ID
        """
        params = {
            'id': im_id,
        }
        params.update(self.base_params)
        r = requests.post('http://upload.chaojiying.net/Upload/ReportError.php', da-ta=params, headers=self.headers)
        return r.json()


if __name__ == '__main__':
    chaojiying = Chaojiying_Client('nvoau092bfk', 'u89w7829e', '951546')    #用户中心>>软件ID 生成一个替换 96001
    im = open('a.jpg', 'rb').read()                                     #本地图片文件路径 来替换 a.jpg 有时WIN系统须要//
    print(chaojiying.PostPic(im, 1902).get('pic_str'))                                   #1902 验证码类型  官方网站>>价格体系 3.4+版 print 后要加()
    #print chaojiying.PostPic(base64_str, 1902)  #此处为传入 base64代码

  好了，本章的笔记到此结束，谢谢大家阅读。

知乎云烟
关注
专栏目录
零基础自学python爬虫笔记Day1——爬虫的基本原理
Seyhang的博客
08-05 318
前言 一个真正的爬虫攻城狮应具备：计算机网络、编程基础、前端开发、后端开发、App开发与逆向、 网络安全、运维、数据库、数据分析、机器学习等知识； 若想快速入门，则推荐 python基础+前端基础+计算机网络基础 python基础不用说了，推荐B战尚硅谷python基础教学，点此传送 前端基础，能够理解HTML+CSS+JavaScript 如果把网页比作一个人的话，HTML 相当于骨架，JavaScript 相当于肌肉，CSS 相当于皮肤，三者结合起来才能形成一个完整的网页。 计算机网络基础，
Python爬虫的scrapy的学习（学习于b站尚硅谷）
无
08-19 2918
本文是本人在b站上学习尚硅谷的Python爬虫教程小白零基础速通的，关于爬虫部分后记录的笔记。
从小白到高手 | 尚硅谷Python爬虫视频教程发布！
m0_58371965的博客
09-01 437
有小伙伴和我哭诉：上次薅羊毛，未遂。 这都不是事儿！ 喜迎开学季，尚大发福利， “你来学技术，我送大会员”活动继续， 接着奏乐，接着舞： 传送门：https://t.bilibili.com/564930796638779555 离人心头一叶秋，别后恨悠悠。 倦容初醒，倚栏观水，西风难休。 春来碧水盼君归，暖炉煨酒。 夜半寒影，孤衾若冰，何处遣愁。 ——小红 《九月一日忆东北著名狠人晶哥》 今天，给大家隆重介绍一位新朋友， 江湖人送外号：红浪漫晶哥。 因讲课善用红浪漫举例而
尚硅谷Python爬虫教程小白零基础速通
纯鹿人的博客
07-21 240
注：笔记已跳过Python基础知识部分。
python爬虫-笔记
qq_39551301的博客
05-02 1047
一、urllib的使用二、请求对象的定制三、编解码1.get请求方式2.post请求方式3.总结：post和get区别？①get请求方式的参数必须编码，参数是拼接到url后面，编码之后不需要调用encode方法②post请求方式的参数必须编码，参数是放在请求对象定制的方法中，编码之后需要调用encode方法四、ajax的get请求（ajax对应X-Requested-With：XMLHttpRequest）五、URLError\HTTPError。
尚硅谷python爬虫（五）-scrapy
qq_41477300的博客
10-28 1280
一、scrapy简介 scray是一个为了爬取网站数据，提取结构性数据而编写的应用框架。 可以应用在包括数据挖掘，信息处理 或存储历史数据等一系列的程序中 二、scrapy项目的创建及运行 1.创建scrapy项目 终端输入 scrapy startproject 项目名称 2.项目组成 spiders __init__.py 自定义的爬虫文件.py ‐‐‐》由我们自己创建，是实现爬虫核心功能的文件 __init__.py items.py ‐‐‐》定义数据结构的地方，是一个继承自scrap
python 爬虫学习笔记
03-09
本文将详细介绍 Python 爬虫学习笔记的知识点，涵盖爬虫基础、网络和前端基础、Requests 模块、请求头、GET 和 POST 请求、代理、Cookie 模拟登录、Quote 和 Unquote、登录和获取 Cookie、Post 和 Session、重试机制...
python爬虫尚硅谷
09-09
你可以使用Python编写爬虫来抓取尚硅谷网站的内容。首先，你需要安装Python的requests库来发送HTTP请求，以及BeautifulSoup库来解析HTML页面。 以下是一个简单的示例代码： ```python import requests from bs4 ...
爬虫基础教程笔记.rar
11-12
【爬虫基础教程笔记】 ...综上所述，本爬虫基础教程笔记涵盖Python爬虫的基本概念、关键技术和实战应用，结合错误修正，是一份实用的学习资料。通过学习和实践，新手可以迅速掌握爬虫技能，踏上信息获取的旅程。
尚硅谷python爬虫笔记
最新发布
07-07
尚硅谷的Python爬虫笔记通常会涵盖基础知识到实战技巧的内容。它可能会包括以下几个部分： ...如果你想进一步了解或学习Python爬虫，可以访问尚硅谷官网查看详细的课程大纲或购买相关的在线教程。
Python爬虫的解析（学习于b站尚硅谷）
无
08-07 2840
本文是本人在b站上学习尚硅谷的Python爬虫教程小白零基础速通的，关于爬虫部分后记录的笔记。
尚硅谷python爬虫Scrapy基础
i_kun_的博客
08-31 1024
b站尚硅谷爬虫学习scrapy
python爬虫学习笔记（基于尚硅谷）
weixin_59499097的博客
05-18 1785
本人入门python爬虫的学习笔记，记录了我学习过程中遇到的问题和解决方法，希望能帮助到想要吃下这个技术的同学
Python爬虫快速入门图片笔记---尚硅谷版
code_master2020的博客
09-06 531
无
尚硅谷python爬虫（二）-解析方法
qq_41477300的博客
10-20 1263
一、xpath解析 所谓解析，是帮助我们获取网页源码中部分数据的一种方式。
Python爬虫的Selenium（学习于b站尚硅谷）
无
08-08 2769
本文是本人在b站上学习尚硅谷的Python爬虫教程小白零基础速通的，关于爬虫部分后记录的笔记。
python尚硅谷爬虫Selenium
i_kun_的博客
08-26 1009
Python尚硅谷爬虫selenium模块
Python网络爬虫实战项目大全！
热门推荐
qq_37101453的博客
05-05 1万+
学习Python主要是爬取各种数据，进行数据分析，获得各种有意思的东西。今天我们就来做些Python网络爬虫实战项目，包含微信公号、豆瓣、知乎等网站爬虫，大家也要自己动手练练看呀。WechatSogou - 微信（http://lib.csdn.net/base/wechat）公众号爬虫。基于搜狗微信搜索的微信公众号爬虫接口，通过搜狗搜索获取公众号的openid，创建公众号历史消息请求URL，解析...
Python爬虫——小白笔记（一）
m0_64139004的博客
10-08 658
了解爬虫是什么，做什么
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

知乎云烟

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值