Python知网数据爬取实战指南

本文还有配套的精品资源，点击获取

简介：Python知网爬虫是一个使用Python语言开发的爬虫项目，旨在高效抓取中国知网（CNKI）上的学术资料。本项目利用多线程技术提升爬取效率，并通过IP代理策略应对反爬机制，实现稳定的数据抓取。技术要点包括HTTP请求、HTML解析、多线程编程、代理IP使用、任务调度以及版权遵守。通过本项目的学习，开发者可以掌握如何利用Python进行学术数据的抓取与分析。

1. Python网络爬虫基础

网络爬虫的基本概念

网络爬虫，又称网络蜘蛛或网络机器人，是自动浏览万维网并从中收集信息的脚本或程序。其作用类似于搜索引擎的检索程序，能够自动从网页中提取信息。网络爬虫是数据抓取、网络分析、内容聚合等应用中的重要工具。

Python在网络爬虫中的优势

Python之所以成为开发网络爬虫的首选语言，主要是因为它拥有易学易用的语法和强大的标准库。Python的第三方库如requests、BeautifulSoup和Scrapy等为网络请求、数据解析和爬虫框架提供了完善的支持。此外，Python的社区活跃，相关资源丰富，便于学习和解决问题。

网络爬虫的工作原理

网络爬虫的工作原理基于以下步骤： 1. 发送HTTP请求：爬虫通过发送HTTP请求获取目标网页的响应。 2. 响应接收：接收响应后，爬虫将响应内容进行处理，提取有用信息。 3. 内容解析：使用HTML解析库（如BeautifulSoup或lxml）解析响应内容，提取所需数据。 4. 数据存储：提取的数据可以存储在文件、数据库或进行进一步的处理。

通过这些核心步骤，网络爬虫能够实现对网站内容的自动化抓取和处理。在下一章中，我们将详细探讨如何使用Python进一步提升数据抓取的效率。

2. 使用多线程提升数据抓取效率

多线程编程基本原理

多线程是现代编程中的一个重要概念，它允许程序同时执行多个任务，从而提高程序运行的效率和响应速度。在Python中，多线程编程涉及到 threading 模块的使用，通过创建 Thread 对象并调用其 start() 方法启动线程。

一个线程可以看作是程序中的一个流程控制点，它拥有自己的调用栈，但共享程序的其他部分，包括内存和文件描述符。Python的全局解释器锁（GIL）在标准的CPython解释器中限制了线程的并行执行，这意味着在一个时间点上只有一个线程在执行Python字节码。但是，由于IO操作通常是阻塞的，这使得多线程在处理网络请求等IO密集型任务时非常有用。

import threading

def print_numbers():
    for i in range(1, 6):
        print(i)

def print_letters():
    for letter in 'abcde':
        print(letter)

t1 = threading.Thread(target=print_numbers)
t2 = threading.Thread(target=print_letters)

t1.start()
t2.start()

t1.join()
t2.join()

上述代码定义了两个线程： t1 和 t2 ，分别执行打印数字和字母的任务。 join() 方法是确保主线程等待这两个线程完成后再继续执行，避免了程序提前退出而导致子线程无法完成任务的情况。

多线程在爬虫中的应用场景

在网络爬虫中，多线程可以显著提高数据抓取的速度。通常情况下，爬虫会从多个页面抓取数据，每个页面的抓取可以视为一个任务，通过多线程可以同时执行这些任务，从而加快数据抓取的过程。

但是，并不是所有情况下多线程都会带来性能提升。由于网络延迟和CPU密集型任务的限制，多线程可能会导致性能下降。在使用多线程进行网络爬虫时，开发者需要考虑到线程的数量和任务的特点，合理分配线程资源。

线程同步和数据一致性保障

在多线程程序中，线程同步是一个重要的概念，它保证了多个线程在访问共享资源时不会出现数据不一致的情况。在Python中，可以使用锁（Lock）来实现线程间的同步。

下面是一个简单的例子，展示了如何使用锁来防止多个线程同时写入同一个文件，避免数据损坏。

import threading

file_lock = threading.Lock()

def write_to_file(data):
    file_lock.acquire()
    try:
        with open('output.txt', 'a') as file:
            file.write(data + "\n")
    finally:
        file_lock.release()

threads = [threading.Thread(target=write_to_file, args=(str(i),)) for i in range(10)]

for thread in threads:
    thread.start()

for thread in threads:
    thread.join()

在这个例子中，创建了一个锁对象 file_lock ，在写入文件之前获取锁，写入完成后释放锁。这样做可以确保即使多个线程同时到达写入文件的代码行，也只有一个线程可以写入文件，保证了数据的一致性。

异常处理和优化策略

在多线程爬虫中，异常处理尤其重要。网络请求可能会因为各种原因失败，如连接超时、网络中断等。在多线程环境中，一个线程的失败不应该影响其他线程的运行。

异常处理通常涉及到捕获并处理可能发生的异常，记录错误信息，并允许线程在发生异常后继续运行或适当终止。此外，还需要考虑线程的优雅退出和资源回收，避免出现资源泄露。

优化策略包括合理设置线程数量、使用线程池管理线程的生命周期以及调整任务分配逻辑等。通过适当减少线程创建和销毁的开销，可以提高爬虫的整体性能。

小结

使用多线程技术可以有效提升Python网络爬虫的数据抓取效率，但同时也引入了线程管理、同步、异常处理等复杂性。合理设计和实现多线程爬虫需要充分理解多线程编程的原理，以及针对特定应用场景进行优化。在下一章节中，我们将探讨如何使用IP代理策略来应对网络爬虫面临的反爬机制。

3. 使用IP代理策略应对反爬机制

理解IP代理及其在反爬机制中的作用

IP代理基础知识

IP代理是网络爬虫中经常使用的一种技术，它允许爬虫程序通过代理服务器访问目标网站。通过代理服务器，爬虫的请求显示为代理服务器的IP地址而不是真实IP，从而隐藏了爬虫的真实身份。IP代理的作用主要体现在以下几点：

1. 突破IP限制 ：许多网站通过限制同一IP地址在一定时间内的访问频率来防止爬虫。使用代理服务器，爬虫可以更换不同的IP地址，从而绕过这种限制。
2. 隐私保护 ：在某些情况下，爬虫可能不希望暴露真实的IP地址，以免被目标网站封堵或追踪。
3. 地理限制 ：代理服务器可以设置在不同的地理位置，让爬虫模拟不同地区的访问，有助于获取特定地区的数据。

IP代理的类型和选择

根据代理服务器的匿名程度，IP代理主要分为以下几种类型：

1. 透明代理 ：服务器知道你的IP地址，并且知道你正在使用代理。
2. 匿名代理 ：服务器知道你使用了代理，但不知道你的实际IP地址。
3. 混淆代理 ：服务器知道你使用了代理，但只知道代理服务器的IP地址，而不清楚用户的真实IP。

选择合适的代理类型对于爬虫的成功非常重要。对于需要隐藏身份的场合，应选择匿名或混淆代理。对于不需要隐藏身份的常规数据抓取任务，则透明代理也是可以接受的。

搭建和管理代理池

代理池的概念和作用

代理池是指维护一个代理服务器列表的系统，爬虫可以从这个列表中动态获取可用的代理来执行任务。代理池的作用主要包括：

1. 高可用性 ：即使某些代理失效，代理池依然能够提供其他有效的代理。
2. 负载均衡 ：通过合理分配代理，避免单个代理服务器过载，延长代理的使用寿命。
3. 自动化管理 ：代理池可以自动检测和替换无效代理，减少人工干预。

搭建代理池的方法

搭建代理池通常需要以下步骤：

1. 收集代理 ：可以通过购买、爬取公共代理列表或利用代理服务提供商来获取代理IP。
2. 验证代理 ：通过发送请求测试代理的有效性。
3. 存储代理 ：将有效的代理存储在数据库中。
4. 代理分配 ：实现一个调度算法来决定爬虫每次请求应该使用哪个代理。

实现代例

以下是一个简单的代理池实现示例，使用Python的Flask框架搭建一个简单的Web服务来管理代理。

from flask import Flask, jsonify, request
import random

app = Flask(__name__)
proxies = ['1.2.3.4:80', '2.3.4.5:80']  # 示例代理列表

@app.route('/get_proxy', methods=['GET'])
def get_proxy():
    proxy = random.choice(proxies)
    return jsonify({'proxy': proxy})

@app.route('/add_proxy', methods=['POST'])
def add_proxy():
    new_proxy = request.json.get('proxy')
    if new_proxy not in proxies:
        proxies.append(new_proxy)
    return jsonify({'status': 'success'})

@app.route('/remove_proxy', methods=['DELETE'])
def remove_proxy():
    removed_proxy = request.json.get('proxy')
    if removed_proxy in proxies:
        proxies.remove(removed_proxy)
    return jsonify({'status': 'success'})

if __name__ == '__main__':
    app.run(debug=True)

在这个示例中，我们创建了一个简单的代理池服务，它允许添加和删除代理，并且能够返回随机的代理给请求者。这只是一个非常基础的代理池实现，实际部署时需要考虑代理的验证、日志记录、异常处理等更多的细节。

实现代理切换逻辑

爬虫中代理切换的逻辑

在爬虫中实现代理切换通常需要考虑以下几个要点：

1. 代理失效检测 ：当爬虫通过一个代理访问网站失败时，需要将其标记为无效，并切换到另一个代理。
2. 代理使用策略 ：可以是循环使用、随机选择或根据代理的有效性评分来选择代理。
3. 动态代理池更新 ：在发现无效代理时，应自动从代理池中移除，并从代理池中获取新的代理。

代码示例

以下是一个使用Python实现的爬虫示例代码，它使用了上面创建的代理池服务，并展示了如何在爬虫中实现代理切换逻辑。

import requests
import random

# 假设代理池服务运行在http://localhost:5000
PROXY_POOL_URL = 'http://localhost:5000'
HEADERS = {
    'User-Agent': 'Mozilla/5.0 (compatible; MyCrawler/1.0; +http://www.mydomain.com/bot)'
}

def get_random_proxy():
    response = requests.get(f'{PROXY_POOL_URL}/get_proxy')
    if response.status_code == 200:
        return response.json()['proxy']

def fetch_page(proxy):
    proxies = {'http': proxy, 'https': proxy}
    try:
        response = requests.get('http://example.com', headers=HEADERS, proxies=proxies, timeout=10)
        if response.status_code == 200:
            return response.text
        else:
            return None
    except requests.RequestException:
        return None

def main():
    for _ in range(10):
        proxy = get_random_proxy()
        if not proxy:
            continue
        page = fetch_page(proxy)
        if page:
            print("Fetched page successfully!")
            break
        else:
            # 无效代理处理逻辑
            remove_proxy(proxy)
            add_proxy_to_pool("new_valid_proxy")

def add_proxy_to_pool(proxy):
    requests.post(f'{PROXY_POOL_URL}/add_proxy', json={'proxy': proxy})

def remove_proxy(proxy):
    requests.delete(f'{PROXY_POOL_URL}/remove_proxy', json={'proxy': proxy})

if __name__ == '__main__':
    main()

在这个示例中，爬虫程序首先尝试从代理池中获取一个随机代理，然后使用该代理来获取网页。如果请求失败，它会将该代理标记为无效，并尝试获取新的代理。有效的代理会被添加回代理池以供以后使用。

代理切换策略和执行逻辑分析

代理切换策略需要根据实际的抓取任务和目标网站的反爬措施来定制。通常情况下，可以采取以下策略：

1. 循环策略 ：按顺序轮流使用代理池中的代理。
2. 随机策略 ：每次请求时随机选择一个代理。
3. 加权策略 ：根据代理的有效性历史给予不同的权重，并优先选择权重高的代理。
4. 检测失效代理 ：在每次请求后检测代理是否有效，并根据检测结果更新代理池。

代理切换逻辑需要与代理池的管理逻辑相结合，确保代理池的健康和代理的有效性。此外，还应考虑异常处理和重试机制，以提高爬虫的鲁棒性。

通过以上章节内容的介绍和实例演示，读者应当能够掌握使用IP代理策略来应对目标网站反爬机制的基本原理和实践技巧。这对于进行大规模数据抓取和需要绕过访问限制的爬虫任务尤为重要。

4. 实现爬虫任务自动调度

爬虫任务的自动调度是提升网络爬虫智能化程度的重要一环，它能够确保爬虫在不同时间段按照预定规则执行任务，甚至根据实时情况动态调整执行计划。为了深入理解这个过程，本章将从定时任务的实现方式入手，介绍Python中的调度库，并展示如何设置爬虫任务的执行周期。然后，我们将会深入探讨爬虫任务调度策略的设计，包括任务优先级管理、动态调度和资源均衡等。最后，通过实例演示如何根据爬虫运行状态和外部环境变化动态调整任务调度计划，以优化爬虫的整体性能。

定时任务的实现方式

使用cron进行定时任务调度

Linux系统中的cron是一个非常实用的工具，它可以用来设置定时任务，非常适合于执行周期性的爬虫任务。cron通过crontab文件（调度任务列表）来管理任务的执行。

安装和配置cron

sudo apt-get install cron # 安装cron
sudo service cron start # 启动cron服务

接下来，通过编辑crontab文件来设置定时任务：

crontab -e

crontab格式说明

在crontab文件中，每一行代表一个任务，格式通常为：

* * * * * /usr/bin/python /path/to/your/spider.py

• 第一列是分钟（0-59）
• 第二列是小时（0-23）
• 第三列是每月中的日期（1-31）
• 第四列是月份（1-12）
• 第五列是每周中的日子（0-7，其中0和7都代表星期天）
• 第六列是命令

使用APScheduler进行定时任务调度

APScheduler是Python的一个强大的定时任务调度库。它允许用户在进程外运行定时任务，也可以集成到Django、Flask等Web框架中。

安装APSCheduler

pip install APScheduler

APScheduler示例代码

from apscheduler.schedulers.blocking import BlockingScheduler

def tick():
    print('Tick! The time is: %s' % datetime.datetime.now())

scheduler = BlockingScheduler()
scheduler.add_job(tick, 'interval', seconds=5)
scheduler.start()

上述代码创建了一个定时任务，每5秒执行一次tick函数。

使用schedule库进行定时任务调度

schedule是一个Python库，用于在代码中安排定时任务，它更为简单直观，适合于轻量级任务。

安装schedule库

pip install schedule

schedule库示例代码

import schedule
import time

def job():
    print("I'm working...")

schedule.every(10).minutes.do(job)

while True:
    schedule.run_pending()
    time.sleep(1)

上述代码安排了每隔10分钟执行一次job函数。

调度策略设计

任务优先级管理

在复杂的爬虫系统中，任务可能具有不同的优先级。我们可以根据优先级来决定任务的执行顺序。

动态调度

动态调度指的是根据爬虫运行的实时情况（如网络延迟、目标网站的反爬策略等）来动态调整任务的执行计划。

资源均衡

资源均衡是确保爬虫在长时间运行中不会因资源消耗过多导致系统不稳定。合理分配任务，避免同时运行大量任务耗尽系统资源。

根据爬虫运行状态和外部环境变化动态调整任务调度计划

我们可以通过监控爬虫运行状态，实时调整任务调度计划，如降低对某个目标网站的访问频率，或者在发现异常时暂停或重启爬虫任务。

实例演示

以下是一个简单的实例，演示如何使用APScheduler实现动态任务调度。

动态调整任务执行频率的代码示例

from apscheduler.schedulers.background import BackgroundScheduler

def job_function():
    print("Job is running...")

scheduler = BackgroundScheduler()
scheduler.add_job(job_function, 'interval', minutes=5)

try:
    print("Press Ctrl+C to stop the scheduler...")
    scheduler.start()
except (KeyboardInterrupt, SystemExit):
    scheduler.shutdown()

def modify_job():
    new_interval = random.randint(1, 10) * 60  # 随机改变间隔
    job = scheduler.get_job('my_job')
    job.modify(next_run_time=None, trigger='interval', minutes=new_interval)
    print(f"Job will run every {new_interval} seconds")

# 调度修改任务间隔的任务
scheduler.add_job(modify_job, 'cron', minute='*/5')

# 主循环保持程序运行
while True:
    time.sleep(1)

在这个例子中，我们设置了一个定时执行的任务，每5分钟执行一次。同时，我们还设置了一个每5分钟检查一次，并随机改变任务执行频率的任务。这样，我们便能根据实际需要动态调整爬虫任务的执行频率，优化爬虫的性能。

5. 知网数据结构分析与信息提取

5.1 知网平台数据特点分析

知网作为中国最大的学术资源平台之一，其数据结构设计非常复杂，包含了大量的学术论文、期刊、会议记录等。要实现对知网平台数据的有效抓取和信息提取，首先需要对知网平台的数据特点有一个基本的了解。

表格展示知网平台数据特点

| 数据字段名称 | 描述 | 数据类型 | 备注 | | --- | --- | --- | --- | | 文章标题 | 论文或文章的主要标题 | 文本 | 关键信息 | | 作者 | 文章作者信息 | 文本 | 包括作者名、所属机构 | | 关键词 | 文章主题关键词 | 文本列表 | 用于索引和检索 | | 文档类型 | 文章的文档类型，如期刊、会议等 | 文本 | 用于分类 | | 出版年份 | 文章发表的年份 | 整数 | 用于时间筛选 | | 摘要 | 文章的简要内容介绍 | 文本 | 通常限制字符数 | | 引用次数 | 文章被其他文献引用的次数 | 整数 | 反映文章影响力 | | 文档URL | 文章在线访问链接 | URL | 可直接访问文章 |

了解了知网数据的特点后，我们可以针对不同的字段应用不同的信息提取策略。

5.2 HTML和XML数据的解析技巧

知网平台提供的数据主要通过HTML和XML格式展示。因此，必须掌握HTML和XML数据解析技巧，才能高效提取所需信息。

BeautifulSoup库解析HTML

对于HTML数据，我们可以使用Python中的BeautifulSoup库进行解析。首先安装库：

pip install beautifulsoup4

然后，使用BeautifulSoup来解析HTML页面：

from bs4 import BeautifulSoup

# 示例代码：解析HTML页面并提取数据
html_content = """<html>...</html>"""  # 假设为从知网平台获取的HTML内容
soup = BeautifulSoup(html_content, 'html.parser')

# 提取文章标题
title = soup.find('h1', class_='title').text

# 提取作者信息
authors = [author.text for author in soup.find_all('span', class_='author')]

print(title)
print(authors)

lxml库解析XML

对于XML数据，推荐使用 lxml 库进行解析。首先安装库：

pip install lxml

然后，使用 lxml 来解析XML文件：

from lxml import etree

# 示例代码：解析XML文件并提取数据
xml_content = """<document>...</document>"""  # 假设为从知网平台获取的XML内容
tree = etree.fromstring(xml_content)

# 提取关键词
keywords = [elem.text for elem in tree.xpath('//keywords/text()')]

print(keywords)

5.3 正则表达式在数据提取中的应用

对于那些没有提供直接解析路径的数据，我们可以通过正则表达式来实现数据提取。正则表达式是处理字符串的强大工具，可以用来搜索、匹配和提取文本。

示例：提取引用次数

假设我们需要从知网平台获取的HTML中提取引用次数，可以使用以下正则表达式：

import re

html_content = """<html>...</html>"""  # 假设为从知网平台获取的HTML内容
pattern = r'引用次数</th><td[^>]*>(\d+)</td></tr>'  # 正则表达式匹配引用次数
matches = re.findall(pattern, html_content)

if matches:
    citation_count = matches[0]
    print(f'引用次数: {citation_count}')

5.4 数据清洗与结构化输出

提取的数据往往包含大量不需要的信息，或者格式不符合我们的需求。因此，数据清洗是必不可少的一步。

数据清洗步骤

1. 去除空格和换行符 ：使用 strip() 方法去除字符串两端的空格和换行符。
2. 去除特殊字符 ：使用 replace() 方法去除字符串中的特殊字符。
3. 字符串分割 ：使用 split() 方法根据特定分隔符分割字符串。
4. 数据类型转换 ：将提取的字符串转换为需要的数据类型，如整数或浮点数。

结构化输出

在数据清洗之后，我们需要将清洗后的数据按照一定的格式输出。常见的结构化数据输出格式有CSV、JSON等。

import json

# 假设我们已经清洗并处理完数据
cleaned_data = {
    'title': title,
    'authors': authors,
    'keywords': keywords,
    'citation_count': int(citation_count)
}

# 输出JSON格式数据
json_output = json.dumps(cleaned_data, ensure_ascii=False, indent=4)
print(json_output)

5.5 实战：从知网提取特定字段数据

最后，我们将通过一个实战项目，结合前面学习的知识，从知网平台提取特定字段的数据。我们将展示如何结合使用Python爬虫技术、数据解析库和正则表达式来实现这一目标。

实战步骤概览

1. 访问知网平台 ：使用requests库访问知网平台的相关页面。
2. 模拟登录 ：如果需要，使用selenium或requests库模拟登录。
3. 解析页面数据 ：使用BeautifulSoup或lxml解析页面获取的数据。
4. 提取特定字段 ：使用CSS选择器、XPath或正则表达式提取所需字段。
5. 数据清洗与输出 ：对提取的数据进行清洗，并以结构化的方式输出。

在实战过程中，我们需要注意反爬机制，并合理使用代理IP来防止IP被封禁。同时，我们也应该遵守知网平台的使用协议，合理合法地使用数据。

通过以上五个章节的介绍，我们对Python网络爬虫从基础理论到实际应用有了全面的了解。现在，你可以自己动手构建一个高效的网络爬虫了。

6. 遵守版权法律法规

网络爬虫与版权法律基础

网络爬虫技术是一种自动化数据采集手段，它能够高效地从互联网上抓取大量信息。然而，在数据抓取的过程中，开发者和使用者必须意识到可能触犯的版权法律问题，特别是当抓取的数据包含受版权保护的学术论文、书籍章节、图片和软件代码等时。

版权法基本概念

版权法保护的主要是原创性作品，包括文学作品、艺术作品、计算机软件和其他形式的创作内容。版权法赋予作者或创作者对其作品的专有权利，这些权利通常包括复制、发行、展示、表演和创作衍生作品的权利。

网络爬虫可能触犯的法律问题

在使用网络爬虫抓取数据时，若没有得到版权所有者的授权，可能涉及以下法律问题：

• 侵权复制权 ：未经许可下载受版权保护的材料。
• 侵权发行权 ：将下载的内容提供给公众。
• 侵权展示权 ：在网站或应用上展示受版权保护的作品。

学术资源法律规范

对于学术资源的采集，特别是涉及知网等数据库的爬取，必须遵守更为严格的法律法规。

合理使用原则

合理使用原则（Fair Use）是指在特定条件下，对作品的使用无需版权持有人的许可。然而，合理使用通常是有限制的，并且在不同法域中的解释可能有很大差异。在学术研究中，合理使用可能包括引用小段文字、评论、新闻报道、教学和学术研究等。

作品使用许可

对于大部分学术资源，使用前需获得版权持有人的授权或通过购买、订阅等途径获得合法访问权限。例如，在知网平台上，通常需要通过校园网授权或个人购买权限来进行合法的访问和下载。

版权责任

违反版权法的个人或组织可能会面临民事诉讼甚至刑事处罚。民事责任包括停止侵权、赔偿损失和损害赔偿等。在严重的情况下，例如商业侵权，还可能面临刑事责任。

合法获取学术资源

为确保合法使用学术资源，以下是一些常见的合法渠道和方法：

• 通过图书馆或学术机构 ：许多大学图书馆或研究机构提供丰富的学术资源，用户可通过这些机构合法访问并下载所需资源。
• 购买个人订阅 ：直接向学术资源提供商如知网购买个人订阅权限。
• 使用开放获取资源 ：有许多学术资源遵循开放获取（Open Access）原则，允许用户免费访问和下载。

实际案例分析

在实际案例中，一些科研工作者因使用网络爬虫非法采集学术资源而受到法律追究。例如，某大学教授因未经授权下载并传播大量学术论文而被版权持有者告上法庭。此案例提醒我们，在网络爬虫的开发和使用过程中，必须严格遵守相关法律法规。

结语

网络爬虫开发者和使用者应当具备法律意识，合理地规划和实施数据抓取行为。不仅是为了避免潜在的法律风险，更是为了促进网络环境的健康发展和知识产权的保护。通过合法途径获取和使用数据资源，对于维护学术诚信和推动知识共享具有重要意义。

本文还有配套的精品资源，点击获取

简介：Python知网爬虫是一个使用Python语言开发的爬虫项目，旨在高效抓取中国知网（CNKI）上的学术资料。本项目利用多线程技术提升爬取效率，并通过IP代理策略应对反爬机制，实现稳定的数据抓取。技术要点包括HTTP请求、HTML解析、多线程编程、代理IP使用、任务调度以及版权遵守。通过本项目的学习，开发者可以掌握如何利用Python进行学术数据的抓取与分析。

本文还有配套的精品资源，点击获取