python模拟登陆并抓取

时间: 2023-07-21 07:57:19 浏览: 93
您好,您的问题比较广泛,不知道您需要抓取哪个网站的内容,我这里以抓取豆瓣电影Top250为例,给您提供一个Python模拟登陆并抓取的示例代码: ```python import requests from bs4 import BeautifulSoup # 构造请求头信息 headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'} # 定义登陆函数 def login_douban(username, password): # 构造登陆请求数据 data = { 'source': 'index_nav', 'form_email': username, 'form_password': password, 'remember': 'on' } # 发送登陆请求 session = requests.Session() response = session.post('https://accounts.douban.com/login', headers=headers, data=data) # 打印登陆结果 print(response.text) return session # 定义抓取函数 def get_top250_movies(session): # 发送抓取请求 response = session.get('https://movie.douban.com/top250', headers=headers) # 解析抓取结果 soup = BeautifulSoup(response.text, 'html.parser') movie_list = soup.find_all('div', class_='info') for movie in movie_list: title = movie.find('span', class_='title').string print(title) # 调用登陆函数 session = login_douban('your_username', 'your_password') # 调用抓取函数 get_top250_movies(session) ``` 需要注意的是,不同网站的登陆方式和抓取方式可能会有所不同,需要根据具体情况进行调整。
阅读全文

相关推荐

pdf
Jsoup+httpclient 模拟登陆和抓取页面 package com.app.html; import java.io.BufferedReader; import java.io.BufferedWriter; import java.io.File; import java.io.FileOutputStream; import java.io.FileReader; import java.io.IOException; import java.io.OutputStreamWriter; import java.io.Writer; import java.text.SimpleDateFormat; import java.util.Date; import org.apache.commons.httpclient.Cookie; import org.apache.commons.httpclient.HttpClient; import org.apache.commons.httpclient.NameValuePair; import org.apache.commons.httpclient.cookie.CookiePolicy; import org.apache.commons.httpclient.cookie.CookieSpec; import org.apache.commons.httpclient.methods.PostMethod; import org.apache.commons.httpclient.params.HttpMethodParams; import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; import com.app.comom.FileUtil; public class HttpClientHtml { private static final String SITE = "login.goodjobs.cn"; private static final int PORT = 80; private static final String loginAction = "/index.php/action/UserLogin"; private static final String forwardURL = "http://user.goodjobs.cn/dispatcher.php/module/Personal/?skip_fill=1"; private static final String toUrl = "d:\\test\\"; private static final String css = "http://user.goodjobs.cn/personal.css"; private static final String Img = "http://user.goodjobs.cn/images"; private static final String _JS = "http://user.goodjobs.cn/scripts/fValidate/fValidate.one.js"; /** * 模拟等录 * @param LOGON_SITE * @param LOGON_PORT * @param login_Action * @param params * @throws Exception */ private static HttpClient loginHtml(String LOGON_SITE, int LOGON_PORT,String login_Action,String ...params) throws Exception { HttpClient client = new HttpClient(); client.getHostConfiguration().setHost(LOGON_SITE, LOGON_PORT); // 模拟登录页面 PostMethod post = new PostMethod(login_Action); NameValuePair userName = new NameValuePair("memberName",params[0] ); NameValuePair password = new NameValuePair("password",params[1] ); post.setRequestBody(new NameValuePair[] { userName, password }); client.executeMethod(post); post.releaseConnection(); // 查看cookie信息 CookieSpec cookiespec = CookiePolicy.getDefaultSpec(); Cookie[] cookies = cookiespec.match(LOGON_SITE, LOGON_PORT, "/", false, client.getState().getCookies()); if (cookies != null) if (cookies.length == 0) { System.out.println("Cookies is not Exists "); } else { for (int i = 0; i < cookies.length; i++) { System.out.println(cookies[i].toString()); } } return client; } /** * 模拟等录 后获取所需要的页面 * @param client * @param newUrl * @throws Exception */ private static String createHtml(HttpClient client, String newUrl) throws Exception { SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd"); String filePath = toUrl + format.format(new Date() )+ "_" + 1 + ".html"; PostMethod post = new PostMethod(newUrl); client.executeMethod(post); //设置编码 post.getParams().setParameter(HttpMethodParams.HTTP_CONTENT_CHARSET, "GBK"); String content= post.getResponseBodyAsString(); FileUtil.write(content, filePath); System.out.println("\n写入文件成功!"); post.releaseConnection(); return filePath; } /** * 解析html代码 * @param filePath * @param random * @return */ private static String JsoupFile(String filePath, int random) { SimpleDateFormat format = new SimpleDateFormat("yyyy-MM-dd"); File infile = new File(filePath); String url = toUrl + format.format(new Date()) + "_new_" + random+ ".html"; try { File outFile = new File(url); Document doc = Jsoup.parse(infile, "GBK"); String html="<!DOCTYPE HTML PUBLIC '-//W3C//DTD HTML 4.01 Transitional//EN'>"; StringBuffer sb = new StringBuffer(); sb.append(html).append("\n"); sb.append("<html>").append("\n"); sb.append("<head>").append("\n"); sb.append("<title>欢迎使用新安人才网个人专区</title>").append("\n"); Elements meta = doc.getElementsByTag("meta"); sb.append(meta.toString()).append("\n"); ////////////////////////////body////////////////////////// Elements body = doc.getElementsByTag("body"); ////////////////////////////link////////////////////////// Elements links = doc.select("link");//对link标签有href的路径都作处理 for (Element link : links) { String hrefAttr = link.attr("href"); if (hrefAttr.contains("/personal.css")) { hrefAttr = hrefAttr.replace("/personal.css",css); Element hrefVal=link.attr("href", hrefAttr);//修改href的属性值 sb.append(hrefVal.toString()).append("\n"); } } ////////////////////////////script////////////////////////// Elements scripts = doc.select("script");//对script标签 for (Element js : scripts) { String jsrc = js.attr("src"); if (jsrc.contains("/fValidate.one.js")) { String oldJS="/scripts/fValidate/fValidate.one.js";//之前的css jsrc = jsrc.replace(oldJS,_JS); Element val=js.attr("src", jsrc);//修改href的属性值 sb.append(val.toString()).append("\n").append("</head>"); } } ////////////////////////////script////////////////////////// Elements tags = body.select("*");//对所有标签有src的路径都作处理 for (Element tag : tags) { String src = tag.attr("src"); if (src.contains("/images")) { src = src.replace("/images",Img); tag.attr("src", src);//修改src的属性值 } } sb.append(body.toString()); sb.append("</html>"); BufferedReader in = new BufferedReader(new FileReader(infile)); Writer out = new BufferedWriter(new OutputStreamWriter( new FileOutputStream(outFile), "gbk")); String content = sb.toString(); out.write(content); in.close(); System.out.println("页面已经爬完"); out.close(); } catch (IOException e) { e.printStackTrace(); } return url; } public static void main(String[] args) throws Exception { String [] params={"admin","admin123"}; HttpClient client = loginHtml(SITE, PORT, loginAction,params); // 访问所需的页面 String path=createHtml(client, forwardURL); System.out.println( JsoupFile(path,1)); } }

最新推荐

recommend-type

Python实现模拟登录及表单提交的方法

模拟登录和表单提交在Python网络编程中是一项基础技能,适用于数据抓取、自动化测试等多种场景。通过理解并实践这段代码,开发者可以更深入地学习如何与Web服务器交互,并完成类似的任务。同时,了解其他相关库如`...
recommend-type

python新浪微博数据分布式挖掘

可以通过学习相关教程(如http://blog.csdn.net/ta790799213/article/details/44205351)实现模拟登陆,并编写代码(如http://blog.csdn.net/qq_20725287/article/details/45566003)验证登陆成功。 2. **分布式...
recommend-type

【SCI2区】基于天鹰优化算法AO优化TCN锂电池健康寿命预测算法研究Matlab实现.rar

1.版本:matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 替换数据可以直接使用,注释清楚,适合新手
recommend-type

CPPC++_在许多编程语言中开始编写gilderose重构卡塔的代码.zip

cppc++
recommend-type

untitled1.cpp

untitled1.cpp
recommend-type

前端协作项目:发布猜图游戏功能与待修复事项

资源摘要信息:"People-peephole-frontend是一个面向前端开发者的仓库,包含了一个由Rails和IOS团队在2015年夏季亚特兰大Iron Yard协作完成的项目。该仓库中的项目是一个具有特定功能的应用,允许用户通过iPhone或Web应用发布图像,并通过多项选择的方式让用户猜测图像是什么。该项目提供了一个互动性的平台,使用户能够通过猜测来获取分数,正确答案将提供积分,并防止用户对同一帖子重复提交答案。 当前项目存在一些待修复的错误,主要包括: 1. 答案提交功能存在问题,所有答案提交操作均返回布尔值true,表明可能存在逻辑错误或前端与后端的数据交互问题。 2. 猜测功能无法正常工作,这可能涉及到游戏逻辑、数据处理或是用户界面的交互问题。 3. 需要添加计分板功能,以展示用户的得分情况,增强游戏的激励机制。 4. 删除帖子功能存在损坏,需要修复以保证应用的正常运行。 5. 项目的样式过时,需要更新以反映跨所有平台的流程,提高用户体验。 技术栈和依赖项方面,该项目需要Node.js环境和npm包管理器进行依赖安装,因为项目中使用了大量Node软件包。此外,Bower也是一个重要的依赖项,需要通过bower install命令安装。Font-Awesome和Materialize是该项目用到的前端资源,它们提供了图标和界面组件,增强了项目的视觉效果和用户交互体验。 由于本仓库的主要内容是前端项目,因此JavaScript知识在其中扮演着重要角色。开发者需要掌握JavaScript的基础知识,以及可能涉及到的任何相关库或框架,比如用于开发Web应用的AngularJS、React.js或Vue.js。同时,对于iOS开发,可能还会涉及到Swift或Objective-C等编程语言,以及相应的开发工具Xcode。对于Rails,开发者则需要熟悉Ruby编程语言以及Rails框架的相关知识。 开发流程中可能会使用的其他工具包括: - Git:用于版本控制和代码管理。 - HTML/CSS:用于构建网页结构和样式。 - Webpack或Gulp:用于项目构建和优化流程。 - Babel:用于JavaScript代码的兼容性处理。 - Linting工具:如ESLint,用于代码质量检查和维护代码风格一致性。 总结来看,People-peephole-frontend项目不仅涉及到了跨平台协作的经验分享,还提供了前端开发的学习和实践机会,尤其在交互设计、前端工程化、依赖管理及样式设计等方面。开发者可以通过参与该项目的修复和完善工作,提高自身技能并积累宝贵的项目经验。"
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

【高斯信道信号编码优化】:4大方法优化Chirp信号编码过程

![高斯信道下的chirp信号解调](https://img-blog.csdnimg.cn/d37646d14e4e4b51b01e617b59167c74.png) # 1. 高斯信道与Chirp信号编码基础 ## 简介 在现代通信领域,信息的传递无处不在,而保障信息传递的清晰与高效是通信技术的核心挑战之一。高斯信道作为通信系统中最常见和基础的模型,为我们理解和优化信号传输提供了重要的理论支持。Chirp信号,以其独特的频谱扩展特性,在无线通信、雷达和声纳系统中发挥着越来越重要的作用。本章将介绍高斯信道的特性以及Chirp信号的基础知识,为读者搭建起后续章节深入探讨优化方法的理论基础。
recommend-type

对给定图,实现图的深度优先遍历和广度优先遍历。以邻接表或邻接矩阵为存储结构,实现连通无向图的深度优先和广度优先遍历。以用户指定的结点为起点,分别输出每种遍历下的结点访问序列,并调试算法。使用C语言

在C语言中,我们可以使用邻接表或邻接矩阵来存储图的数据结构。这里我将简单介绍如何实现深度优先搜索(DFS)和广度优先搜索(BFS): **使用邻接表实现:** ```c #include <stdio.h> #include <stdlib.h> typedef struct Node { int val; struct Node* next; } Node; // 创建邻接列表表示图 Node* createAdjacencyList(int numNodes) { // 初始化节点数组 Node** adjList = malloc(sizeof(No
recommend-type

Spring框架REST服务开发实践指南

资源摘要信息: "在本教程中,我们将详细介绍如何使用Spring框架来构建RESTful Web服务,提供对Java开发人员的基础知识和学习参考。" 一、Spring框架基础知识 Spring是一个开源的Java/Java EE全功能栈(full-stack)应用程序框架和 inversion of control(IoC)容器。它主要分为以下几个核心模块: - 核心容器:包括Core、Beans、Context和Expression Language模块。 - 数据访问/集成:涵盖JDBC、ORM、OXM、JMS和Transaction模块。 - Web模块:提供构建Web应用程序的Spring MVC框架。 - AOP和Aspects:提供面向切面编程的实现,允许定义方法拦截器和切点来清晰地分离功能。 - 消息:提供对消息传递的支持。 - 测试:支持使用JUnit或TestNG对Spring组件进行测试。 二、构建RESTful Web服务 RESTful Web服务是一种使用HTTP和REST原则来设计网络服务的方法。Spring通过Spring MVC模块提供对RESTful服务的构建支持。以下是一些关键知识点: - 控制器(Controller):处理用户请求并返回响应的组件。 - REST控制器:特殊的控制器,用于创建RESTful服务,可以返回多种格式的数据(如JSON、XML等)。 - 资源(Resource):代表网络中的数据对象,可以通过URI寻址。 - @RestController注解:一个方便的注解,结合@Controller注解使用,将类标记为控制器,并自动将返回的响应体绑定到HTTP响应体中。 - @RequestMapping注解:用于映射Web请求到特定处理器的方法。 - HTTP动词(GET、POST、PUT、DELETE等):在RESTful服务中用于执行CRUD(创建、读取、更新、删除)操作。 三、使用Spring构建REST服务 构建REST服务需要对Spring框架有深入的理解,以及熟悉MVC设计模式和HTTP协议。以下是一些关键步骤: 1. 创建Spring Boot项目:使用Spring Initializr或相关构建工具(如Maven或Gradle)初始化项目。 2. 配置Spring MVC:在Spring Boot应用中通常不需要手动配置,但可以进行自定义。 3. 创建实体类和资源控制器:实体类映射数据库中的数据,资源控制器处理与实体相关的请求。 4. 使用Spring Data JPA或MyBatis进行数据持久化:JPA是一个Java持久化API,而MyBatis是一个支持定制化SQL、存储过程以及高级映射的持久层框架。 5. 应用切面编程(AOP):使用@Aspect注解定义切面,通过切点表达式实现方法的拦截。 6. 异常处理:使用@ControllerAdvice注解创建全局异常处理器。 7. 单元测试和集成测试:使用Spring Test模块进行控制器的测试。 四、学习参考 - 国际奥委会:可能是错误的提及,对于本教程没有相关性。 - AOP:面向切面编程,是Spring的核心功能之一。 - MVC:模型-视图-控制器设计模式,是构建Web应用的常见架构。 - 道:在这里可能指学习之道,或者是学习Spring的原则和最佳实践。 - JDBC:Java数据库连接,是Java EE的一部分,用于在Java代码中连接和操作数据库。 - Hibernate:一个对象关系映射(ORM)框架,简化了数据库访问代码。 - MyBatis:一个半自动化的ORM框架,它提供了更细致的SQL操作方式。 五、结束语 以上内容为《learnSpring:学习春天》的核心知识点,涵盖了从Spring框架的基础知识、RESTful Web服务的构建、使用Spring开发REST服务的方法,以及与学习Spring相关的技术栈介绍。对于想要深入学习Java开发,特别是RESTful服务开发的开发者来说,这是一份非常宝贵的资源。