from urllib import request # 下载内容
import os # 系统包
第二步：抓取目标网页
def parse_page(url):
# 2.1简单的反爬虫机制
HEADERS = {‘User-Agent’: ‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/62.0.3202.94 Safari/537.36’}
# 2.2获取服务器响应
# 获取请求响应的状态码
response = requests.get(url, headers=HEADERS)
# 2.3 从响应里提取出网页
# 获取整个网页
text = response.text
# 将抓取的网页作为参数返回
return text
第三步：解析网页获取数据
def page_list(text):
# 3.1 将网页保存在HTML对象里
html = etree.HTML(text) # 把网页保存在HTML对象里，便于对数据进行提取
# 3.2 从网页对象根据一定的规则提取数据
imgs = html.xpath(“//div[@class=‘page-content text-center’]//a//img”)
# 获取所有的表情图片以对象的形式保存在列表里
return imgs
def main():
# 根据URL的规则对URL进行循环，获取多页URL，并传给parse_page()进行抓取数据
for x in range(1, 11):
url = “http://www.doutula.com/photo/list/?page=%d” % x
# 调用parse_page()函数并把url给进去
text=parse_page(url)
# 接收parse_page()返回的网页，并传给page_list()函数进行解析
imgs = page_list(text)
# 3.3 对列表里的img对象进行提取
for img in imgs:
# try… except 对程序进行异常处理，避免因为其他原因报错
try:
# 3.4获取所有表情的URL并保存在列表里
imgurl = img.xpath(“.//@data-original”)
# 3.5从列表里提取出表情的URL，至于为啥不取零，列表中有空值，取零报错
for img_url in imgurl:
# print(img_url)
# 分割后缀名：.jpg .png
# 3.6对表情的URL进行处理，提取出表情图片的格式，用于组成表情的名字
suffix = os.path.splitext(img_url)[1]
suffix = suffix.split(“!”)[0]
# 3.7获取表情的名字
alt = img.xpath(".//@alt")[0]
# alt = re.sub(r'[，。？?,/\\·]','',alt) #利用正则表达式对表情名字中存在的特殊字符进行处理
# 3.8用 alt+suffix组成表情的新名字
img_name = alt + suffix
第四步：计算机代替下载
# 使用request.urlretrieve()对表情进行下载并保存在images文件里
request.urlretrieve(img_url, 'images/' + img_name)
# 打印出那些表情已经下载
print(img_name + '下载完毕！')
except:
print("表情报错")
# 执行函数
if name == ‘main’:
main()
模拟登陆京东
-- coding:utf-8 --
import time
import requests
from bs4 import BeautifulSoup
class JD_crawl:
def init(self, username, password):
self.headers = {
‘User-Agent’: ‘Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36’
’ (KHTML, like Gecko) Chrome/62.0.3202.89 Safari/537.36’,
‘Referer’: ‘https://www.jd.com/’,
}
self.login_url = “https://passport.jd.com/new/login.aspx”
self.post_url = “https://passport.jd.com/uc/loginService”
self.auth_url = “https://passport.jd.com/uc/showAuthCode”
self.session = requests.session()
self.username = username
self.password = password
def get_login_info(self):
html = self.session.get(self.login_url, headers=self.headers).content
soup = BeautifulSoup(html, 'lxml')
uuid = soup.select('#uuid')[0].get('value')
eid = soup.select('#eid')[0].get('value')
fp = soup.select('input[name="fp"]')[0].get('value') # session id
_t = soup.select('input[name="_t"]')[0].get('value') # token
login_type = soup.select('input[name="loginType"]')[0].get('value')
pub_key = soup.select('input[name="pubKey"]')[0].get('value')
sa_token = soup.select('input[name="sa_token"]')[0].get('value')
auth_page = self.session.post(self.auth_url,
data={'loginName': self.username, 'nloginpwd': self.password}).text
if 'true' in auth_page:
auth_code_url = soup.select('#JD_Verification1')[0].get('src2')
auth_code = str(self.get_auth_img(auth_code_url))
else:
auth_code = ''
data = {
'uuid': uuid,
'eid': eid,
'fp': fp,
'_t': _t,
'loginType': login_type,
'loginname': self.username,
'nloginpwd': self.password,
'chkRememberMe': True,
'pubKey': pub_key,
'sa_token': sa_token,
'authcode': auth_code
}
return data
def get_auth_img(self, url):
auth_code_url = 'http:{}&yys={}'.format(url, str(int(time.time()*1000)))
auth_img = self.session.get(auth_code_url, headers=self.headers)
with open('authcode.jpg', 'wb') as f:
f.write(auth_img.content)
code_typein = input('请根据下载图片输入验证码：')
return code_typein
def login(self):
data = self.get_login_info()
headers = {
'Referer': self.post_url,
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36'
' (KHTML, like Gecko) Chrome/62.0.3202.89 Safari/537.36',
'X-Requested-With': 'XMLHttpRequest'
}
try:
login_page = self.session.post(self.post_url, data=data, headers=headers)
print(login_page.text)
except Exception as e:
print(e)
# self.session.cookies.clear()
def shopping(self):
login = self.session.post('https://cart.jd.com/cart.action', headers=self.headers)
print(login.text)
if name == ‘main’:
un = input(‘请输入京东账号：’)
pwd = input(‘请输入京东密码：’)
jd = JD_crawl(un, pwd)
jd.login()
jd.shopping()
利用Python爬取喜马拉雅音频文件
import re
import requests
from lxml import etree
from onexima import Xima
def get_id():
“”“获取排行榜每一本书的信息”“”
main_url = “https://www.ximalaya.com/shangye/top/”
headers = {
“User-Agent”: “Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36”
}
r = requests.get(main_url, headers=headers)
# 获取到当前页面的xml数据
html = etree.HTML(r.content.decode())
# 得到每一本书的位置的信息
div_list = html.xpath(“//div[contains(@class,‘e-2997888007 rrc-album-item’)]”)
all_lsit = [] # 待会把每一本书的音频以字典形式放进列表当中
for div in div_list:
author = {} # 创建一个列表, 我们要获取书的id和书的名字, 并且一一对应
r = div.xpath(“./a/@href”)[0] # 获取到当前书的id所在信息, 数据为: /renwen/4859823/
print®
# 所以得通过正则把正确的id取出来, id是为了传入正确的id, 得到正确的json数据
author[‘id’] = re.search(r’/.?/(.)/', r).group(1)
author[‘book_name’] = div.xpath(“./a/div[3]/div[1]/span/text()”)[0]
# 向列表中传入每一个音频的信息
all_lsit.append(author)
print(all_lsit)
return all_lsit
调用函数得到所有每一本书的信息, 是一个列表类型
all_lsit = get_id()
for i in all_lsit:
# 遍历列表, 把每本书对应的id和对应的书名传到类里面去
x = Xima(i[‘id’], i[‘book_name’])
x.run()
利用Python爬取妹子图
import requests
from bs4 import BeautifulSoup
import os
import re
Hostreferer = {
‘User-Agent’:‘Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)’,
‘Referer’:‘http://www.mzitu.com’
}
Picreferer = {
‘User-Agent’:‘Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)’,
‘Referer’:‘http://i.meizitu.net’
}
def get_page_name(url):#获得图集最大页数和名称
html = get_html(url)
soup = BeautifulSoup(html, ‘lxml’)
span = soup.findAll(‘span’)
title = soup.find(‘h2’, class_=“main-title”)
return span[10].text, title.text
def get_html(url):#获得页面html代码
req = requests.get(url, headers=Hostreferer)
html = req.text
return html
def get_img_url(url, name):
html = get_html(url)
soup = BeautifulSoup(html, ‘lxml’)
img_url = soup.find(‘img’, alt= name)
return img_url[‘src’]
def save_img(img_url, count, name):
req = requests.get(img_url, headers=Picreferer)
new_name = rename(name)
with open(new_name+‘/’+str(count)+‘.jpg’, ‘wb’) as f:
f.write(req.content)
def rename(name):
rstr = r’[/\😗?<>|]’
new_name = re.sub(rstr, “”, name)
return new_name
def save_one_atlas(old_url):
page, name = get_page_name(old_url)
new_name = rename(name)
os.mkdir(new_name)
print("图集--" + name + "--开始保存")
for i in range(1, int(page)+1):
url = old_url + "/" + str(i)
img_url = get_img_url(url, name)
# print(img_url)
save_img(img_url, i, name)
print('正在保存第' + str(i) + '张图片')
print("图集--" + name + "保存成功")
def get_atlas_list(url):
req = requests.get(url, headers=Hostreferer)
soup = BeautifulSoup(req.text, ‘lxml’)
atlas = soup.find_all(attrs={‘class’:‘lazy’})
atlas_list = []
for atla in atlas:
atlas_list.append(atla.parent[‘href’])
return atlas_list
def save_one_page(start_url):
atlas_url = get_atlas_list(start_url)
for url in atlas_url:
save_one_atlas(url)
if name == ‘main’:
start_url = “http://www.mzitu.com/”
for count in range(1, 3):
url = start_url + “page/” + str(count) +“/”
save_one_page(url)
print(“爬取完成”)
Python制作微信朋友圈九宫图
from PIL import Image
import sys
#先将 input image 填充为正方形
def fill_image(image):
width, height = image.size
#选取长和宽中较大值作为新图片的
new_image_length = width if width > height else height
#生成新图片[白底]
new_image = Image.new(image.mode, (new_image_length, new_image_length), color=‘white’) #注意这个函数！
#将之前的图粘贴在新图上，居中
if width > height:#原图宽大于高，则填充图片的竖直维度 #(x,y)二元组表示粘贴上图相对下图的起始位置,是个坐标点。
new_image.paste(image, (0, int((new_image_length - height) / 2)))
else:
new_image.paste(image, (int((new_image_length - width) / 2),0))
return new_image
def cut_image(image):
width, height = image.size
item_width = int(width / 3) #因为朋友圈一行放3张图。
box_list = []
# (left, upper, right, lower)
for i in range(0,3):
for j in range(0,3):
#print((iitem_width,jitem_width,(i+1)item_width,(j+1)item_width))
box = (jitem_width,iitem_width,(j+1)*item_width,(i+1)*item_width)
box_list.append(box)
image_list = [image.crop(box) for box in box_list]
return image_list
#保存
现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习
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。
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！
684
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
