标签:odi 利用 登陆 分析 net 模块 cte coding expect
requests的post请求
‘‘‘ post请求访问github https://github.com/session post Referer:https://github.com/login User-Agent:Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36 From data: commit:Sign in utf8:? authenticity_token:AJdAVBwjyD7pSBlTAss/+dPNzXG4TRZCkai517a7d1tZI3HBbv57wCdWBMLmloSliZ9A7DwgGZsQ1D1B0pENIA== login:1343805472 password:17855320635zmm webauthn-support:unknown ‘‘‘ #访问login页获取token信息 ‘‘‘ 请求url:https://github.com/login 请求方式:GET 响应头:Set-Cookie 请求头:Cookie User-Agent ‘‘‘ import requests import re headers={ ‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36‘ } response = requests.get(url=‘https://github.com/login‘, headers=headers) #print(response.text) login_cookies=response.cookies.get_dict() print(login_cookies) authenticity_token=re.findall(‘<input type="hidden" name="authenticity_token" value="(.*?)" />‘,response.text,re.S)[0] print(authenticity_token) #二、往sessionurl发送post请求 # headers2={ ‘Referer‘: ‘https://github.com/login‘, ‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36‘ } # login_cookies=response.cookies.get_dict() form_data={ "utf8":"?", "authenticity_token":authenticity_token, "login":"1343805472@qq.com", "password":"17855320635zmm", "webauthn-support":"unsupported", "commit":"Sign in", } response2=requests.post(url=‘https://github.com/session‘,data=form_data,headers=headers2,cookies=login_cookies) print(response2.status_code) with open(‘github.html‘,‘w‘,encoding=‘utf-8‘) as f: f.write(response2.text)
response响应
import requests response=requests.get(‘http://baidu.com‘) print(response.status_code)#获取响应状态码 print(response.url)#获取url地址 print(response.text)#获取文本 print(response.content)#获取二进制流 print(response.headers)#获取页面请求头信息 print(response.history)#上一次跳转的信息 #1、返回cookie字典 2、返回cookie对象 print(response.cookies)#获取cookie信息 print(response.cookies.get_dict())#获取cookie信息转换成字典 print(response.cookies.items())#获取cookie信息转换成字典 print(response.cookies.items())#获取cookie信息转换成字典 print(response.encoding)# print(response.elapsed)#访问时间
requests高级用法
#证书验证(大部分网站都是https) import requests # 如果是ssl请求,首先检查证书是否合法,不合法则报错,程序终端 response = requests.get(‘https://www.xiaohuar.com‘) print(response.status_code) # 改进1:去掉报错,但是会报警告 import requests response = requests.get(‘https://www.xiaohuar.com‘, verify=False) # 不验证证书,报警告,返回200 print(response.status_code) # 改进2:去掉报错,并且去掉警报信息 import requests import urllib3 urllib3.disable_warnings() # 关闭警告 response = requests.get(‘https://www.xiaohuar.com‘, verify=False) print(response.status_code) # 改进3:加上证书 # 很多网站都是https,但是不用证书也可以访问,大多数情况都是可以携带也可以不携带证书 # 知乎\百度等都是可带可不带 # 有硬性要求的,则必须带,比如对于定向的用户,拿到证书后才有权限访问某个特定网站 import requests import urllib3 # urllib3.disable_warnings() # 关闭警告 response = requests.get( ‘https://www.xiaohuar.com‘, # verify=False, cert=(‘/path/server.crt‘, ‘/path/key‘)) print(response.status_code)
利用selenium实现自动访问百度一拳超人和京东唐诗三百首
from selenium import webdriver # 用来驱动浏览器的 #调用得到一个动作链对象,破解滑动验证码的时候用的 可以拖动图片 from selenium.webdriver import ActionChains # 破解滑动验证码的时候用的 可以拖动图片 #按照什么方式查找属性,By.ID,By.CSS_SELECTOR from selenium.webdriver.common.by import By # 按照什么方式查找,By.ID,By.CSS_SELECTOR from selenium.webdriver.common.keys import Keys # 键盘按键操作 from selenium.webdriver.support import expected_conditions as EC # 和下面WebDriverWait一起用的 from selenium.webdriver.support.wait import WebDriverWait # 等待页面加载某些元素 from selenium import webdriver import time chrome = webdriver.Chrome(r‘F:\软件\chromedriver_win32\chromedriver.exe‘) #若try出现异常 try: #通过谷歌浏览器驱动打开谷歌浏览器 #chrome=webdriver.Chrome(r‘F:\软件\chromedriver_win32\chromedriver.exe‘) # 往lyj博客发送get请求 #chrome.get(‘https://www.cnblogs.com/lyj68/‘) wait=WebDriverWait(chrome,10) #1、访问百度 chrome.get(‘https://www.baidu.com/‘) #2、查找input输入框 input_tag=wait.until( #调用EC的presence_of_element_located() EC.presence_of_element_located((By.ID,"kw"))) #3、搜索一拳超人 input_tag.send_keys(‘一拳超人‘) #4、按键盘回车键 input_tag.send_keys(Keys.ENTER) time.sleep(10) #无论发生什么都会关闭浏览器 finally: #关闭浏览器 chrome.close() try: # 通过谷歌浏览器驱动打开谷歌浏览器 # chrome=webdriver.Chrome(r‘F:\软件\chromedriver_win32\chromedriver.exe‘) # 往lyj博客发送get请求 # chrome.get(‘https://www.cnblogs.com/lyj68/‘) wait = WebDriverWait(chrome, 10) # 1、访问京东主页 chrome.get(‘https://www.jd.com/‘) # 2、查找input输入框 input_tag = wait.until( # 调用EC的presence_of_element_located() EC.presence_of_element_located((By.ID, "key"))) # 3、搜索唐诗三百首 input_tag.send_keys(‘唐诗三百首‘) # 4、根据class属性标签查找名称 search_button=wait.until(EC.presence_of_element_located((By.CLASS_NAME,‘button‘))) #5、点击搜索按钮 search_button.click() time.sleep(10) # 无论发生什么都会关闭浏览器 finally: # 关闭浏览器 chrome.close()
selenium基本选择器的应用:
from selenium import webdriver # 用来驱动浏览器的 import time ‘‘‘ 隐式等待 ‘‘‘ # 获取驱动对象、 driver = webdriver.Chrome() try: # 显式等待: 等待某个元素加载 # 参数1: 驱动对象 参数2: 等待时间 # wait = WebDriverWait(chrome, 10) driver.get(‘https://china.nba.com/‘) # 隐式等待: 等待页面所有元素加载 driver.implicitly_wait(10) news_tag = driver.find_element_by_class_name(‘nav-news‘) # 获取标签对象 print(news_tag) # 获取标签的名字 print(news_tag.tag_name) time.sleep(10) finally: driver.close() from selenium import webdriver # 用来驱动浏览器的 import time ‘‘‘ ===============所有方法=================== element是查找一个标签 elements是查找所有标签 1、find_element_by_link_text 通过链接文本去找 2、find_element_by_id 通过id去找 3、find_element_by_class_name 4、find_element_by_partial_link_text 5、find_element_by_name 6、find_element_by_css_selector 7、find_element_by_tag_name ‘‘‘ # 获取驱动对象、 driver = webdriver.Chrome() try: # 往百度发送请求 driver.get(‘https://www.baidu.com/‘) driver.implicitly_wait(10) # 1、find_element_by_link_text 通过链接文本去找 # 根据登录 # send_tag = driver.find_element_by_link_text(‘登录‘) # send_tag.click() # 2、find_element_by_partial_link_text 通过局部文本查找a标签 login_button = driver.find_element_by_partial_link_text(‘登‘) login_button.click() time.sleep(1) # 3、find_element_by_class_name 根据class属性名查找 login_tag = driver.find_element_by_class_name(‘tang-pass-footerBarULogin‘) login_tag.click() time.sleep(1) # 4、find_element_by_name 根据name属性查找 username = driver.find_element_by_name(‘userName‘) username.send_keys(‘15622792660‘) time.sleep(1) # 5、find_element_by_id 通过id属性名查找 password = driver.find_element_by_id(‘TANGRAM__PSP_10__password‘) password.send_keys(‘*******‘) time.sleep(1) # 6、find_element_by_css_selector 根据属性选择器查找 # 根据id查找登录按钮 login_submit = driver.find_element_by_css_selector(‘#TANGRAM__PSP_10__submit‘) # driver.find_element_by_css_selector(‘.pass-button-submit‘) login_submit.click() # 7、find_element_by_tag_name 根据标签名称查找标签 div = driver.find_element_by_tag_name(‘div‘) print(div.tag_name) time.sleep(10) finally: driver.close()
爬取快代理代码为:
‘‘‘ 爬取快代理: 1.访问快代理页面 2.通过re模块解析并提取所有代理 3.通过ip测试网站对爬取的代理进行测试 4.若test_ip函数抛出异常代表代理作废,否则代理有效 5.利用有效的代理进行代理测试 <tr> <td data-title="IP">124.205.143.212 </td> <td data-title="PORT">40585</td> <td data-title="匿名度">高匿名</td> <td data-title="类型">HTTP</td> <td data-title="位置">北京市北京市 鹏博士宽带</td> <td data-title="响应速度">2秒</td> <td data-title="最后验证时间">2019-06-17 16:30:54</td> </tr> re: <tr>.*?<td data-title="IP">(.*?)</td>.*?<td data-title="PORT">(.*?)</td> ‘‘‘ ‘‘‘ 页面链接 第一页: https://www.kuaidaili.com/free/ 第二页: https://www.kuaidaili.com/free/inha/2/ ‘‘‘ import requests import re import time headers = { ‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36‘, } def get_index(url): time.sleep(1) response1 = requests.get(url, headers=headers) return response1 def parse_index(text): ip_list1 = re.findall(‘<tr>.*?<td data-title="IP">(.*?)</td>.*?<td data-title="PORT">(.*?)</td>‘, text, re.S) for ip_port in ip_list1: ip1 = ‘:‘.join(ip_port) yield ip1 def test_ip(ip2): print(‘测试ip: %s‘ % ip2) try: proxies = {‘https‘: ip2} # ip测试网站 ip_url1 = ‘https://www.ipip.net/ ‘ # 使用有效与无效的代理对ip测试站点进行访问,若返回的结果为200则代表当前测试ip正常 response2 = requests.get(ip_url1, headers=headers, proxies=proxies, timeout=1) if response2.status_code == 200: return ip # 若ip代理无效则抛出异常 except Exception as e: print(e) # 使用代理爬取nba def spider_nba(good_ip1): url = ‘https://china.nba.com/ ‘ proxies = {‘https‘: good_ip1} response3 = requests.get(url, headers=headers, proxies=proxies) print(response3.status_code) print(response3.text) if __name__ == ‘__main__‘: base_url = ‘https://www.kuaidaili.com/free/inha/{}/ ‘ for line in range(1, 2905): ip_url = base_url.format(line) response = get_index(ip_url) ip_list = parse_index(response.text) for ip in ip_list: good_ip = test_ip(ip) if good_ip: spider_nba(good_ip)
自动登录抽屉新热榜代码为:
from selenium import webdriver import time #获取驱动对象 driver = webdriver.Chrome() try: #自动登陆抽屉新热榜 #发送get请求 driver.get(‘https://dig.chouti.com/ ‘) #隐式等待 driver.implicitly_wait(10) #获取 ‘登陆‘ 按钮 send_tag = driver.find_element_by_id(‘login_btn‘) send_tag.click() #获取手机号输入框 username = driver.find_element_by_class_name(‘login-phone‘) username.send_keys(‘*******‘) time.sleep(1) #获取密码输入框 password = driver.find_element_by_class_name(‘pwd-password-input‘) password.send_keys(‘*******‘) time.sleep(1) #获取 ‘登陆‘ 按钮 login = driver.find_elements_by_link_text(‘登录‘) login[1].click() time.sleep(10) finally: driver.close()
通过今天的学习,学习了自动登录网页和利用网页自动搜索的过程,觉得特别神奇有用,在这个学习过程中更加发现tank老师的博学多才,激励我也要努力学习技术,变得像老师一样能够独立解决和分析问题。
标签:odi 利用 登陆 分析 net 模块 cte coding expect
原文地址:https://www.cnblogs.com/zmmm/p/11042912.html