带参数,头信息,代理,cookie爬取

1.get传参

(1)汉字报错 :解释器器ascii没有汉字 url汉字转码

urllib.parse.quote safe="string.printtable"

(2)字典传参

urllib.parse.urlencode()

post:

urlib.request.openurl(url,data = "服务器器接受的数据")

handler:处理理器器的⾃自定义:

User-Agent:

(1)模拟真实的浏览器器发送请求:(1)百度批量量搜索(2)检查元素(百度搜索useragent⼤大全)

(2)request.add_header(动态添加head数据)

(3)响应头 response.header

(4)创建request:urlib.request.Request(url)

2.IP代理理:

(1)免费的IP:时效性差,错误率⾼高

(2)付费的IP:贵花钱,也有失效不不能⽤用的

IP分类:

透明:对⽅方知道我们真实的ip

匿匿名:对⽅方不不知道我们真实的ip,知道了了你使⽤用了了代理理

⾼高匿匿:对⽅方不不知道我们真是的IP.也不不知道我们使⽤用了了代理理

handler:

(1)系统的urlopen()不不⽀支持代理理的添加

创建对应的处理理器器(handler)

1.代理理处理理器器:ProxyHandler

2.拿着ProxyHandler创建opener:bulid_opener()

3.opener.open(url)就可以请求数据

auth认证handler

Cookieshandler

URLError

requests(第三⽅方模块):简单易易⽤用

数据解析:

数据存储:json csv MongDB resdis mysql

import urllib.request

import urllib.parse

import string

def get_params():

    url = "http://www.baidu.com/s?"

    params = {

        "wd":"中文",

        "key":"zhang",

        "value":"san"

    }

    str_params = urllib.parse.urlencode(params)

    print(str_params)

    final_url = url + str_params

    #将带有中文的url 转译成计算机可以识别的url

    end_url = urllib.parse.quote(final_url,safe=string.printable)

    response = urllib.request.urlopen(end_url)

    data = response.read().decode("utf-8")

    print(data)

get_params()

import urllib.request

def load_baidu():

    url= "https://www.baidu.com"

    header = {

        #浏览器的版本

        "User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36",

        # "haha":"hehe"

    }

    #创建请求对象

    request = urllib.request.Request(url)

    #动态的去添加head的信息

    request.add_header("User-Agent","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36")

    #请求网络数据(不在此处增加请求头信息因为此方法系统没有提供参数)

    response = urllib.request.urlopen(request)

    print(response)

    data = response.read().decode("utf-8")

    #获取到完整的url

    final_url = request.get_full_url()

    print(final_url)

    #响应头

    # print(response.headers)

    #获取请求头的信息(所有的头的信息)

    # request_headers = request.headers

    # print(request_headers)

    #(2)第二种方式打印headers的信息

    #注意点:首字母需要大写,其他字母都小写

    request_headers = request.get_header("User-agent")

    # print(request_headers)

    with open("02header.html","w")as f:

        f.write(data)

load_baidu()

import urllib.request

def load_baidu():

    url= "http://www.baidu.com"

    #添加请求头的信息

    #创建请求对象

    request = urllib.request.Request(url)

    #请求网络数据

    response = urllib.request.urlopen(request)

    print(response)

    data = response.read().decode("utf-8")

    #响应头

    # print(response.headers)

    #获取请求头的信息

    request_headers = request.headers

    print(request_headers)

    with open("02header.html","w")as f:

        f.write(data)

load_baidu()

import urllib.request

import random

def load_baidu():

    url = "http://www.baidu.com"

    user_agent_list = [

        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.835.163 Safari/535.1",

        "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:6.0) Gecko/20100101 Firefox/6.0",

        "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",

        "Opera/9.80 (Windows NT 6.1; U; zh-cn) Presto/2.9.168 Version/11.50"

    ]

    #每次请求的浏览器都是不一样的

    random_user_agent = random.choice(user_agent_list)

    request = urllib.request.Request(url)

    #增加对应的请求头信息(user_agent)

    request.add_header("User-Agent",random_user_agent)

    #请求数据

    response = urllib.request.urlopen(request)

    #请求头的信息

    print(request.get_header("User-agent"))

load_baidu()

import urllib.request

def handler_openner():

    #系统的urlopen并没有添加代理的功能所以需要我们自定义这个功能

    #安全 套接层 ssl第三方的CA数字证书

    #http80端口# 和https443

    #urlopen为什么可以请求数据 handler处理器

    #自己的oppener请求数据

    # urllib.request.urlopen()

    url = "https://blog.csdn.net/m0_37499059/article/details/79003731"

    #创建自己的处理器

    handler = urllib.request.HTTPHandler()

    #创建自己的oppener

    opener=urllib.request.build_opener(handler)

    #用自己创建的opener调用open方法请求数据

    response = opener.open(url)

    # data = response.read()

    data = response.read().decode("utf-8")

    with open("02header.html", "w")as f:

        f.write(data)

handler_openner()

import urllib.request

def create_proxy_handler():

    url = "https://blog.csdn.net/m0_37499059/article/details/79003731"

    #添加代理

    proxy = {

        #免费的写法

        "http":""

        # "http":"120.77.249.46:8080"

        #付费的代理

        # "http":"xiaoming":123@115.

    }

    #代理处理器

    proxy_handler = urllib.request.ProxyHandler(proxy)

    #创建自己opener

    opener = urllib.request.build_opener(proxy_handler)

    #拿着代理ip去发送请求

    response = opener.open(url)

    data = response.read().decode("utf-8")

    with open("03header.html", "w")as f:

        f.write(data)

create_proxy_handler()

import urllib.request

def proxy_user():

    proxy_list = [

        {"https":""},

        # {"https":"106.75.226.36:808"},

        # {"https":"61.135.217.7:80"},

        # {"https":"125.70.13.77:8080"},

        # {"https":"118.190.95.35:9001"}

    ]

    for proxy in proxy_list:

        print(proxy)

        #利用遍历出来的ip创建处理器

        proxy_handler = urllib.request.ProxyHandler(proxy)

        #创建opener

        opener = urllib.request.build_opener(proxy_handler)

        try:

            data = opener.open("http://www.baidu.com",timeout=1)

            haha = data.read()

            print(haha)

        except Exception as e:

            print(e)

proxy_user()

付费的代理发送

import urllib.request

#付费的代理发送

#1.用户名密码(带着)

#通过验证的处理器来发送

def money_proxy_use():

    # #第一种方式付费代理发送请求

    # #1.代理ip

    # money_proxy ={"http":"username:pwd@192.168.12.11:8080"}

    # #2.代理的处理器

    # proxy_handler=urllib.request.ProxyHandler(money_proxy)

    #

    # #3.通过处理器创建opener

    # opener = urllib.request.build_opener(proxy_handler)

    # #4.open发送请求

    # opener.open("http://www.baidu.com")

    # #第二种方式发送付费的ip地址

    use_name = "abcname"

    pwd = ""

    proxy_money = "123.158.63.130:8888"

    #2.创建密码管理器,添加用户名和密码

    password_manager = urllib.request.HTTPPasswordMgrWithDefaultRealm()

    #uri定位 uri>url

    #url 资源定位符

    password_manager.add_password(None,proxy_money,use_name,pwd)

    #3.创建可以验证代理ip的处理器

    handle_auth_proxy = urllib.request.ProxyBasicAuthHandler(password_manager)

    #4.根据处理器创建opener

    opener_auth = urllib.request.build_opener(handle_auth_proxy)

    #5.发送请求

    response = opener_auth.open("http://www.baidu.com")

    print(response.read())

    #爬取自己公司的数据,做数据分析

    #admin

money_proxy_use()

爬取自己的网站

import urllib.request

def auth_nei_wang():

    #1.用户名密码

    user = "admin"

    pwd = "adimin123"

    nei_url = "http://192.168.179.66"

    #2.创建密码管理器

    pwd_manager = urllib.request.HTTPPasswordMgrWithDefaultRealm()

    pwd_manager.add_password(None,nei_url,user,pwd)

    #创建认证处理器(requests)

    auth_handler = urllib.request.HTTPBasicAuthHandler(pwd_manager)

    opener = urllib.request.build_opener(auth_handler)

    response = opener.open(nei_url)

    print(response)

auth_nei_wang()

第一种:

"""

    直接获取 个人中心的页面

    手动粘贴 复制 PC 抓包的 cookies

    放在  request对象的请求头里面 

"""

import urllib.request

# 1.数据url

url = 'https://www.yaozh.com/member/'

# 2.添加请求头

headers = {

    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36'

    ,

    'Cookie': '_ga=GA1.2.1820447474.1535025127; MEIQIA_EXTRA_TRACK_ID=199Tty9OyANCXtHaSobJs67FU7J; UtzD_f52b_ulastactivity=1511944816%7C0; WAF_SESSION_ID=7d88ae0fc48bffa022729657cf09807d; PHPSESSID=7jsc60esmb6krgthnj99dfq7r3; _gid=GA1.2.358950482.1540209934; _gat=1; MEIQIA_VISIT_ID=1BviNX3zYEKVS7bQVpTRHOTFV8M; yaozh_logintime=1540209949; yaozh_user=381740%09xiaomaoera12; yaozh_userId=381740; db_w_auth=368675%09xiaomaoera12; UtzD_f52b_saltkey=CfYyYFY2; UtzD_f52b_lastvisit=1540206351; UtzD_f52b_lastact=1540209951%09uc.php%09; UtzD_f52b_auth=2e13RFf%2F3R%2BNjohcx%2BuoLcVRx%2FhF0NvwUbslgSZX%2FOUMkCRRcgh5Ayg6RGnklcG3d2DkUFAXJxjhlIS8fPvr9rrwa%2FY; yaozh_uidhas=1; yaozh_mylogin=1540209953; MEIQIA_EXTRA_TRACK_ID=199Tty9OyANCXtHaSobJs67FU7J; WAF_SESSION_ID=7d88ae0fc48bffa022729657cf09807d; Hm_lvt_65968db3ac154c3089d7f9a4cbb98c94=1535025126%2C1535283389%2C1535283401%2C1539351081%2C1539512967%2C1540209934; MEIQIA_VISIT_ID=1BviNX3zYEKVS7bQVpTRHOTFV8M; Hm_lpvt_65968db3ac154c3089d7f9a4cbb98c94=1540209958'

}

# 3.构建请求对象

request = urllib.request.Request(url, headers=headers)

# 4.发送请求对象

response = urllib.request.urlopen(request)

# 5.读取数据

data = response.read()

print(type(data))

# 保存到文件中 验证数据

with open('01cook.html', 'wb') as f:

    f.write(data)

第二种:

"""

    获取 个人中心的页面

    1. 代码登录  登录成功 cookie(有效)

    2. 自动带着cookie 去请求个人中心

    cookiejar 自动保存这个cookie

"""

import urllib.request

from http import cookiejar

from urllib import parse

# 登录之前的 登录页的网址https://www.yaozh.com/login/

# 找登录 参数

# 后台 根据你发送的请求方式来判断的 如果你是get(登录页面),如果POST(登录结果)

# 1. 代码登录

# 1.1 登录的网址

login_url = 'https://www.yaozh.com/login'

# 1.2 登录的参数

login_form_data = {

    "username": "",

    "pwd": "56uhjyh",

    "formhash": "CE3ADF28C5",

    "backurl": "https%3A%2F%2Fwww.yaozh.com%2F"

}

# 1.3 发送登录请求POST

cook_jar = cookiejar.CookieJar()

# 定义有添加  cook 功能的 处理器

cook_hanlder = urllib.request.HTTPCookieProcessor(cook_jar)

# 根据处理器 生成 opener

opener = urllib.request.build_opener(cook_hanlder)

# 带着参数 发送post请求

# 添加请求头

headers = {

    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.67 Safari/537.36'

}

# 1.参数 将来 需要转译 转码; 2. post请求的 data要求是bytes

login_str = parse.urlencode(login_form_data).encode('utf-8')

login_request = urllib.request.Request(login_url, headers=headers, data=login_str)

# 如果登录成功, cookjar自动保存cookie

opener.open(login_request)

# 2. 代码带着cooke去访问 个人中心

center_url = 'https://www.yaozh.com/member/'

center_request = urllib.request.Request(center_url, headers=headers)

response = opener.open(center_url)

# bytes -->str

data = response.read().decode()

with open('02cook.html', 'w') as f:

    f.write(data)

# 一个用户 在不同的地点(IP(福建,上海, 杭州, 河南)) 不同浏览器 上面 不停的登录  非人为操作

# 封你的账号

# N 个 账号

错误提示

# urlib.request  提示错误 HTTPError UrlError

"""

     raise URLError(err)

urllib.error.URLError: <urlopen error [Errno 8] nodename nor servname provided, or not known>

    raise HTTPError(req.full_url, code, msg, hdrs, fp)

urllib.error.HTTPError: HTTP Error 404: Not Found

"""

import urllib.request

url = 'https://blog.csdn.net/zjsxxzh/article/details/110'

url = 'https://affdsfsfsdfd.cn'

try:

    response = urllib.request.urlopen(url)

except urllib.request.HTTPError as error:

    print(error.code)

except urllib.request.URLError as error:

    print(error)

带参数,头信息,代理,cookie爬取的更多相关文章

Python爬虫教程-13-爬虫使用cookie爬取登录后的页面(人人网)（下）
Python爬虫教程-13-爬虫使用cookie爬取登录后的页面(下) 自动使用cookie的方法,告别手动拷贝cookie http模块包含一些关于cookie的模块,通过他们我们可以自动的使用co ...
代理IP爬取和验证（快代理&西刺代理）
前言仅仅伪装网页agent是不够的,你还需要一点新东西今天主要讲解两个比较知名的国内免费IP代理网站:西刺代理&快代理,我们主要的目标是爬取其免费的高匿代理,这些IP有两大特点:免费,不稳 ...
自定义请求头信息及cookie信息
请求网页的时候有时候我们需要传递一些参数信息,这个时候我们可以将参数放到请求头中,具体使用如下: 这里有小问题就是请求参数的属性名好像不支持下划线,即 HTTP_UID不可用,但是HTTP-UID就可 ...
5 使用ip代理池爬取糗事百科
从09年读本科开始学计算机以来,一直在迷茫中度过,很想学些东西,做些事情,却往往陷进一些技术细节而蹉跎时光.直到最近几个月,才明白程序员的意义并不是要搞清楚所有代码细节,而是要有更宏高的方向,要有更专 ...
代理IP爬取，计算，发放自动化系统
IoC Python端 MySQL端 PHP端怎么使用这学期有一门课叫<物联网与云计算>,于是我就做了一个大作业,实现的是对代理IP的爬取,计算推荐,发放给用户等任务的的自动化系统.由 ...
Python爬虫教程-12-爬虫使用cookie爬取登录后的页面(人人网)（上）
Python爬虫教程-12-爬虫使用cookie(上) 爬虫关于cookie和session,由于http协议无记忆性,比如说登录淘宝网站的浏览记录,下次打开是不能直接记忆下来的,后来就有了cooki ...
Python爬虫-代理池-爬取代理入库并测试代理可用性
目的:建立自己的代理池.可以添加新的代理网站爬虫,可以测试代理对某一网址的适用性,可以提供获取代理的 API. 整个流程:爬取代理 ----> 将代理存入数据库并设置分数 ----> 从数 ...
requests 使用免费的代理ip爬取网站
import requests import queue import threading from lxml import etree #要爬取的URL url = "http://xxx ...
蚂蚁代理免费代理ip爬取（端口图片显示+token检查）
分析蚂蚁代理的列表页大致是这样的: 端口字段使用了图片显示,并且在图片上还有各种干扰线,保存一个图片到本地用画图打开观察一下: 仔细观察蓝色的线其实是在黑色的数字下面的,其它的干扰线也是,所以这幅图 ...

随机推荐

移除HTML5 input在type="search"时的清除按钮
input[type="search"]::-webkit-search-cancel-button { display: none; }
Pyhton学习——Day9(阶段性练习)
# 1.文件内容如下,标题为:姓名,性别,年纪,薪资## egon male 18 3000# alex male 38 30000# wupeiqi female 28 20000# yuanhao ...
React-setState源码的理解
首先举一个最简单的例子: this.state={ a:1 } this.setState({ a:2 }) console.log(this.state.a)//1 可以说setState()操作是 ...
python中try…except的使用，处理程序异常
通常情况下,在python中运行程序,多多少少会出现程序异常的问题,try……except能很好的解决程序中的异常.以下是其用法,在不同位置时进行什么样的工作和起到什么样的作用. try: 可能出现异 ...
关于Vue实例的生命周期（2）
关于Vue实例的生命周期(2) 创建(create)->挂载(mount)->更新(update)->销毁(destory) 钩子函数触发事件 beforeCreate 在实例初始 ...
java实例化对象的五种方法
1.用new语句创建对象,这是最常见的创建对象的方法. 2.通过工厂方法返回对象,如:String str = String.valueOf(23); 3.运用反射手段,调用java.lang.Cla ...
POSIX 线程编程（一）简介
简介在共享内存的多处理器结构中,可以用线程来实现并行.对于UNIX系统, IEEE POSIX 1003.1c标准规定了C语言线程编程接口的标准.这份标准的实现就是POSIX threads, 或者 ...
朝花夕拾——finally/final/finalize拨云雾见青天
Java编程中.常常会使用到异常处理,而finally看似的是try/catch后对逻辑处理的完好,事实上里面却存在非常多隐晦的陷阱.final常见于变量修饰,那么你在内部类中也见过吧.finaliz ...
windows+ubuntu双系统，在windows中访问ubuntu文件
今天被告知ubuntu磁盘空间不足,百度得知可以通过autoremove命令清理,然而,,再也进不去ubuntu系统了,具体表现为第一次选择ubuntu之后一直是空白紫屏,如果强制关机再开机后选择ub ...
Understanding The Complete Story of Postback in ASP.NET
https://docs.microsoft.com/zh-cn/dotnet/api/system.web.ui.page.ispostback?view=netframework-4.7 http ...

带参数,头信息,代理,cookie爬取

带参数,头信息,代理,cookie爬取的更多相关文章

随机推荐

热门专题