文章目录
1、聊天准备
1、关闭计算机的防火墙
2、关闭不需要的虚拟网络和其他不必要的以太网,只留下一个网络聊天的通道
3、两台计算机连接同一个手机热点,打开疯狂聊天程序
2聊天并进行抓包
2.1、疯狂聊天
1、首先为自己命名一个聊天昵称,并且两台计算机(也可以多台计算机一起)输入同一个聊天房间号
2、进行消息的发送,即聊天
2.2、使用wireshark抓取聊天信息
1、打开wireshark,进行wlan(无线网络)下的聊天信息抓取,不会的可参考:https://blog.csdn.net/qq_46689721/article/details/121167497
2查看聊天信息的Dst地址为255.255.255.255
3、查找Destination为255.255.255.255的记录
可以看到,该网络是通过UDp协议来连接的
4、查看英语聊天信息
5、查看数字聊天信息
6、查看文字聊天信息
7、通过上面抓取结果来看,聊天使用的端口为17345,使用的协议是UDP
2、初识网络爬虫
2.1、什么是爬虫
1、简介:网络爬虫也叫作网络蜘蛛、网络蚂蚁、网络机器人等,其英文名叫Web Crawler或Web Spider,可以自动地浏览网络中的信息,当然浏览信息的时候需要按照我们制定的规则去浏览,这些规则我们将其称为网络爬虫算法。使用Python可以很方便地编写出爬虫程序,进行互联网信息的自动化检索。
2、爬虫的基本流程:发起请求:通过url向服务器发起request请求,请求可以包含额外的header信息。获取响应内容:如果服务器正常响应,那我们将会收到一个response,response即为我们所请求的网页内容,或许包含HTML,Json字符串或者二进制的数据(视频、图片)等。
3、URL管理模块:发起请求。一般是通过HTTP库,对目标站点进行请求。等同于自己打开浏览器,输入网址。
下载模块:获取响应内容(response)。如果请求的内容存在于服务器上,那么服务器会返回请求的内容,一般为:HTML,二进制文件(视频,音频),文档,Json字符串等。
解析模块:解析内容。对于用户而言,就是寻找自己需要的信息。对于Python爬虫而言,就是利用正则表达式或者其他库提取目标信息。
存储模块:保存数据。解析得到的数据可以多种形式,如文本,音频,视频保存在本地。
2.2、爬取南阳理工学院ACM题目网站信息
1、打开南阳理工学院ACM题目网站 http://www.51mxd.cn/ ,然后按下F12进入工作模式,点击source,可以看到网页的源代码,这时可以看到我们需要的题目信息是在TD标签内的,即我们要爬取TD标签里的内容
2、我使用的是jupyter,打开进去使用python编程
import requests# 导入网页请求库
from bs4 import BeautifulSoup# 导入网页解析库
import csv
from tqdm import tqdm
# 模拟浏览器访问
Headers = 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.25 Safari/537.36 Core/1.70.3741.400 QQBrowser/10.5.3863.400'
# 表头
csvHeaders = ['题号', '难度', '标题', '通过率', '通过数/总提交数']
# 题目数据
subjects = []
# 爬取题目
print('题目信息爬取中:\n')
for pages in tqdm(range(1, 11 + 1)):
# 传入URL
r = requests.get(f'http://www.51mxd.cn/problemset.php-page={pages}.htm', Headers)
r.raise_for_status()
r.encoding = 'utf-8'
# 解析URL
soup = BeautifulSoup(r.text, 'html5lib')
#查找爬取与td相关所有内容
td = soup.find_all('td')
subject = []
for t in td:
if t.string is not None:
subject.append(t.string)
if len(subject) == 5:
subjects.append(subject)
subject = []
# 存放题目
with open('D:\word\protice.csv', 'w', newline='') as file:
fileWriter = csv.writer(file)
fileWriter.writerow(csvHeaders)
fileWriter.writerows(subjects)
print('\n题目信息爬取完成!!!')
3、然后运行程序
4、查看生成的爬取数据
2.3、爬取重庆交通大学新闻网站中近几年所有的信息通知
1、打开重庆交通大学的信息通知网站:http://news.cqjtu.edu.cn/xxtz.htm
2、同样F12打开进入开发者模式,在emelents下可以找到网页源代码,可以看到我们需要爬取的信息处于div标签内
3、再找到需要爬取的数据的页数
4、接下来就在jupyter里面进行代码代码的编写
# -*- coding: utf-8 -*-
"""
Created on Wed Nov 17 14:39:03 2021
@author: 86199
"""
import requests
from bs4 import BeautifulSoup
import csv
from tqdm import tqdm
import urllib.request, urllib.error # 制定URL 获取网页数据
# 所有新闻
subjects = []
# 模拟浏览器访问
Headers = { # 模拟浏览器头部信息
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/95.0.4638.69 Safari/537.36 Edg/95.0.1020.53"
}
# 表头
csvHeaders = ['时间', '标题']
print('信息爬取中:\n')
for pages in tqdm(range(1, 65 + 1)):
# 发出请求
request = urllib.request.Request(f'http://news.cqjtu.edu.cn/xxtz/{pages}.htm', headers=Headers)
html = ""
# 如果请求成功则获取网页内容
try:
response = urllib.request.urlopen(request)
html = response.read().decode("utf-8")
except urllib.error.URLError as e:
if hasattr(e, "code"):
print(e.code)
if hasattr(e, "reason"):
print(e.reason)
# 解析网页
soup = BeautifulSoup(html, 'html5lib')
# 存放一条新闻
subject = []
# 查找所有li标签
li = soup.find_all('li')
for l in li:
# 查找满足条件的div标签
if l.find_all('div',class_="time") is not None and l.find_all('div',class_="right-title") is not None:
# 时间、爬取的标签
for time in l.find_all('div',class_="time"):
subject.append(time.string)
# 标题
for title in l.find_all('div',class_="right-title"):
for t in title.find_all('a',target="_blank"):
subject.append(t.string)
if subject:
print(subject)
subjects.append(subject)
subject = []
# 保存数据
with open('D:/word/new.csv', 'w', newline='',encoding='utf-8') as file:
fileWriter = csv.writer(file)
fileWriter.writerow(csvHeaders)
fileWriter.writerows(subjects)
print('\n信息爬取完成!!!')
5、运行代码
6、爬取到的数据
3、总结
刚刚接触爬虫,还不是非常的熟悉,但是同参考网上的资料,还是能够做到一些简单信息的爬取。对网站的信息爬取首先需要分析网站的源代码,进行爬取信息的分析,找到其属于的标签内容,然后进行爬取。通过本次的实践操作,我意识到爬虫对我们的帮助还是很大的,可以很好的帮我们随机信息。
参考:
https://zhuanlan.zhihu.com/p/77560712
https://www.php.cn/python-tutorials-373310.html
https://blog.csdn.net/weixin_56102526/article/details/121366806?spm=1001.2014.3001.5501