|
不少伙伴學爬蟲，這就出一期Python爬蟲教程，文末總結(jié)的有視頻教程，自己按需學習哈！ 爬蟲在采集網(wǎng)站的過程中，部分數(shù)據(jù)價值較高的網(wǎng)站，會限制訪客的訪問行為。這種時候建議通過登錄的方式，獲取目標網(wǎng)站的cookie，然后再使用cookie配合代理IP進行數(shù)據(jù)采集分析。 1 使用表單登陸 這種情況屬于post請求，即先向服務(wù)器發(fā)送表單數(shù)據(jù)，服務(wù)器再將返回的cookie存入本地。 #! -*- encoding:utf-8 -*- import requests
import random
import requests.adapters
# 要訪問的目標頁面 targetUrlList = [
"https:///ip",
"https:///headers",
"https:///user-agent",
]
# 代理服務(wù)器(產(chǎn)品官網(wǎng) www.16yun.cn) proxyHost = "t.16yun.cn" proxyPort = "31111"
# 代理隧道驗證信息 proxyUser = "username" proxyPass = "password"
proxyMeta = "http://%(user)s:%(pass)s@%(host)s:%(port)s" % {
"host": proxyHost,
"port": proxyPort,
"user": proxyUser,
"pass": proxyPass,
}
# 設(shè)置 http和https訪問都是用HTTP代理 proxies = {
"http": proxyMeta,
"https": proxyMeta,
}
# 訪問三次網(wǎng)站，使用相同的Session(keep-alive)，均能夠保持相同的外網(wǎng)IP s = requests.session()
# 設(shè)置cookie cookie_dict = {"JSESSION":"123456789"}
cookies = requests.utils.cookiejar_from_dict(cookie_dict, cookiejar=None, overwrite=True)
s.cookies = cookies
for i in range(3):
for url in targetUrlList:
r = s.get(url, proxies=proxies)
print r.text2 使用cookie登陸 使用cookie登陸，服務(wù)器會認為你是一個已登陸的用戶，所以就會返回給你一個已登陸的內(nèi)容。因此，需要驗證碼的情況可以使用帶驗證碼登陸的cookie解決。 response_captcha = requests_session.get(url=url_login, cookies=cookies)response1 = requests.get(url_login) # 未登陸response2 = requests_session.get(url_login) # 已登陸，因為之前拿到了Response Cookie！response3 = requests_session.get(url_results) # 已登陸，因為之前拿到了Response Cookie！ 若存在驗證碼，此時采用response = requests_session.post(url=url_login, data=data)是不行的，做法應(yīng)該如下： response_captcha = requests_session.get(url=url_login, cookies=cookies)response1 = requests.get(url_login) # 未登陸response2 = requests_session.get(url_login) # 已登陸，因為之前拿到了Response Cookie！response3 = requests_session.get(url_results) # 已登陸，因為之前拿到了Response Cookie！ |
|
|
