使用wireshark抓取聊天信息与爬虫入门

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