python抓取数据时失败_python爬虫获取知乎内容失败是什么原因？

上篇文章发布后收到了一个小伙伴的提问，表达的大致意思是模拟登陆方面已经成功了，不过在采集数据的第一步就遇到了难题，但是不知道是哪里出了错误，所以想和小编探讨一下。经过一番对比和试验分析总算解决了问题，当然小编还是把这个问题整理成文章，让有需要的小伙伴也可以学习，没有遇到的也可以看下出错的原因。

问题：已经进行模拟登入后，在获取首页信息时还是获取到了注册登入页面的，是根本没有登入上还是什么情况？

解决：

关于取不到内容的原因，应该就是登录需要验证码的问题。

代码：_Zhihu_URL = 'http://www.zhihu.com'

_Login_URL = _Zhihu_URL + '/login'

_Captcha_URL_Prefix = _Zhihu_URL + '/captcha.gif?r='

_Cookies_File_Name = 'cookies.json'

_session = None

_header = {'X-Requested-With': 'XMLHttpRequest',

'Referer': 'http://www.zhihu.com',

'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; '

'Trident/7.0; Touch; LCJB; rv:11.0)'

' like Gecko',

'Host': 'www.zhihu.com'}

def get_captcha_url():

"""获取验证码网址

:return: 验证码网址

:rtype: str

"""

return _Captcha_URL_Prefix + str(int(time.time() * 1000))

def _save_captcha(url):

global _session

r = _session.get(url)

with open('code.gif', 'wb') as f:

f.write(r.content)

def login(email='', password='', captcha='', savecookies=True):

"""不使用cookies.json，手动登陆知乎

:param str email: 邮箱

:param str password: 密码

:param str captcha: 验证码

:param bool savecookies: 是否要储存cookies文件

:return: 一个二元素元祖 , 第一个元素代表是否成功（0表示成功），

如果未成功则第二个元素表示失败原因

:rtype: (int, dict)

"""

global _session

global _header

data = {'email': email, 'password': password,

'rememberme': 'y', 'captcha': captcha}

r = _session.post(_Login_URL, data=data)

j = r.json()

c = int(j['r'])

m = j['msg']

if c == 0 and savecookies is True:

with open(_Cookies_File_Name, 'w') as f:

json.dump(_session.cookies.get_dict(), f)

return c, m

def create_cookies():

"""创建cookies文件, 请跟随提示操作

:return: None

:rtype: None

"""

if os.path.isfile(_Cookies_File_Name) is False:

email = input('email: ')

password = input('password: ')

url = get_captcha_url()

_save_captcha(url)

print('please check code.gif for captcha')

captcha = input('captcha: ')

code, msg = login(email, password, captcha)

if code == 0:

print('cookies file created!')

else:

print(msg)

os.remove('code.gif')

else:

print('Please delete [' + _Cookies_File_Name + '] first.')

def _init():

global _session

if _session is None:

_session = requests.session()

_session.headers.update(_header)

if os.path.isfile(_Cookies_File_Name):

with open(_Cookies_File_Name, 'r') as f:

cookies_dict = json.load(f)

_session.cookies.update(cookies_dict)

else:

print('no cookies file, this may make something wrong.')

print('if you will run create_cookies or login next, '

'please ignore me.')

_session.post(_Login_URL, data={})

else:

raise Exception('call init func two times')

_init()

看完文章小伙伴们会发现，出错的点很小，但是想要解决就需要大段的代码去支持。可见在python知识的拓展方面，我们还有更多的实践操作需要去测试。更多Python学习推荐:PyThon学习网教学中心。