码迷,mamicode.com
首页 > 编程语言 > 详细

python批量爬取xml文件

时间:2019-08-18 00:07:20      阅读:145      评论:0      收藏:0      [点我收藏+]

标签:att   port   cin   ==   strong   off   webkit   from   EDA   

1.网站链接:https://www.cnvd.org.cn/shareData/list

2.需要下载的页面文件:
技术图片

3.该页面需要登陆,然后批量下载共享漏洞文件,我们就通过cookie来实现。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

"""
Date: 2019-08-17
Author: Bob
Description: python爬取xml文件
"""

import requests
from bs4 import BeautifulSoup

def cnvd_spider():
    url = ‘https://www.cnvd.org.cn/shareData/list?max=240&offset=0‘

    headers = {
        "Cookie": "__jsluid_s=65d5e7902f04498e89b16e93fb010b3c; __jsluid_h=1ab428e655aee36ac3c9835db29b6714; JSESSIONID=91BB91B37543D365AA64895EDFCD828F; __jsl_clearance=1566003116.655|0|CYPFsKirGYBG12qtoOrS5Kq1rM0%3D",
        "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36",
    }

    html = requests.get(url=url, headers=headers).text
    soup = BeautifulSoup(html, ‘lxml‘)
    links = soup.find_all(‘a‘, attrs={‘title‘: ‘下载xml‘})

    for link in links:
        url = ‘https://www.cnvd.org.cn‘ + link.get(‘href‘)
        file_name = link.get_text()
        html_data = requests.get(url=url, headers=headers)
        with open(file_name, ‘w‘) as f:
            f.write(html_data.content)

if __name__ == ‘__main__‘:
    cnvd_spider()

python批量爬取xml文件

标签:att   port   cin   ==   strong   off   webkit   from   EDA   

原文地址:https://blog.51cto.com/whnba/2430294

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!