标签:htm soup with open headers com 抽屉 登录失败 log agent
爬虫的学习相对来说,比较烦锁,因为网站的反爬规则,经过两天的研究,终于搞定了抽屉新热榜自动点赞与豆瓣自动统一短评(豆瓣登录的验证码目前需要手动输入)
抽屉网的规则问题
示例如下:
1 import requests,re 2 from bs4 import BeautifulSoup 3 headers={‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:57.0) Gecko/20100101 Firefox/57.0‘ 4 } 5 user=‘你的帐号‘ 6 pwd=‘你的密码‘ 7 def index_first():#抽屉网需要GET的COOKIES 8 r1=requests.get(‘https://dig.chouti.com/‘,headers=headers) 9 return r1.cookies.get_dict() 10 def login(cookies,user,pwd): 11 post_dict={ #登陆时要提交的数据 12 ‘phone‘:user, 13 ‘password‘:pwd, 14 ‘oneMonth‘:1 15 } 16 response = requests.post(#要登陆的网址 17 url="https://dig.chouti.com/login", 18 data=post_dict, 19 cookies=cookies,#带上cookies进行授权 20 headers=headers 21 ) 22 print(response.text,‘url‘) 23 return 24 25 def profiles(cookie_gpsd):#进入个人主页 26 response=requests.get( 27 url=‘https://dig.chouti.com/profile/bind‘, 28 cookies=cookie_gpsd, 29 headers=headers 30 ) 31 soup =BeautifulSoup(response.text,features=‘html.parser‘)#python 内置转换的对象 32 phone=soup.find(id=‘bind-content‘) 33 #phone_nube=phone.find(‘class‘) 34 reg=r‘<div class="show-phoneCode">当前绑定号码为:(.*?)</div>‘ 35 rest=re.findall(reg,response.text)#查找 36 print(‘‘,rest) 37 if rest[0]==‘+你的手机号‘: 38 print(‘进入个人设置成功‘) 39 40 def dz(cookies_dict): 41 ret=requests.post(url=‘https://dig.chouti.com/link/vote?linksId=18760066‘,#要点赞的文章地址 42 cookies=cookies_dict, 43 headers=headers) 44 print(ret.text) 45 46 47 cookie_get=index_first()#先取得GET的cookies 48 login(cookie_get,user,pwd)#登陆进行cookies的授权 49 profiles(cookie_get)#可以进行后台 50 dz(cookie_get)#点赞
豆瓣网
1 import requests 2 import re 3 import json 4 from bs4 import BeautifulSoup 5 6 requests =requests.Session()#记录登录的状态 7 if __name__ == ‘__main__‘: 8 user=‘你的帐号‘ 9 pwd=‘你的密码‘ 10 #请求头 11 headers={‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:57.0) Gecko/20100101 Firefox/57.0‘ 12 } 13 14 def login(): 15 response=requests.get(‘https://accounts.douban.com/login‘,headers=headers) 16 response.encoding=response.apparent_encoding #返回网页的原先编码 17 result=response.text#取出文本即网页源码 18 reg=r‘<input type="hidden" name="captcha-id" value="(.*?)"/>‘#正则表达式 19 catpchaId=re.findall(reg,result)#查找 验证码对象ID 20 soup =BeautifulSoup(result,features=‘html.parser‘)#python 内置转换的对象 21 target=soup.find(id=‘captcha_image‘)#查找 验证码对象 22 img_url =target.attrs.get(‘src‘)#获取验证码图片URL 23 print(img_url,catpchaId) 24 response=requests.get(img_url,headers=headers)#获取验证码图片 25 codeimg=response.content#保存为二进制 26 print(codeimg,‘codeimg‘) 27 with open(‘code.png‘,‘wb‘) as f:#保存为PNG图片 28 f.write(codeimg) 29 post_dict={ #登陆时要提交的数据 30 ‘source‘:‘index_nav‘, 31 ‘form_email‘:user,#用户名 32 ‘form_password‘:pwd,#密码 33 ‘captcha-solution‘:input(‘请输入验证码:‘),#输入你保存的PNG图片中的验证码 34 ‘captcha-id‘:catpchaId 35 } 36 response = requests.post(#要登陆的网址 37 url="https://accounts.douban.com/login", 38 data=post_dict, 39 headers=headers 40 ) 41 print(response.url,‘url‘) 42 # #print(response.text,‘text‘) 43 # cookie_dict=response.cookies.get_dict()#产生的cookie 44 # print(cookie_dict,‘cookie_dict‘) 45 if ‘莫柔落切的帐号‘ in response.text: 46 print(‘登录成功‘) 47 else: 48 print(‘登录失败,重新登录!‘) 49 login() 50 return 51 def comment(mid):#评论 52 data={#评论的表单数据格式 53 ‘ck‘:‘xVds‘, 54 ‘comment‘:‘我来留个名‘, 55 ‘foldcollect‘:‘F‘, 56 ‘interest‘:‘collect‘, 57 ‘rating‘:‘‘, 58 ‘tags‘:‘123‘ 59 } 60 #进行提交 61 response=requests.post(‘https://movie.douban.com/j/subject/%s/interest‘%mid,data=data,headers=headers) 62 print(response.text,‘comment.text‘) 63 def getMoveId():#电影的ID 排行榜 64 response=requests.get(‘https://movie.douban.com/ithil_j/activity/movie_annual2017/widget/20‘, 65 headers=headers) 66 print(response.text) 67 result=response.json()#进行转换为文本 68 69 print(type(result),‘类型‘) 70 return result[‘res‘][‘subjects‘]#返回所要的数据 71 72 login() 73 for i in getMoveId():#循环电影ID列表 74 print(i) 75 comment(i[‘id‘])#进行短评
爬虫学习---基础操作--抽屉新热榜自动点赞与豆瓣自动统一短评
标签:htm soup with open headers com 抽屉 登录失败 log agent
原文地址:https://www.cnblogs.com/uge3/p/8809044.html