Python获取百度浏览记录
Python模拟百度登录实例详解
http://www.jb51.net/article/78406.htm
Python实战计划学习作业2-1
http://blog.csdn.net/python012/article/details/53344501
参考了以下网上获取百度网吧登陆的代码,先拿到token,然后用密码登陆得到cookie,继续拿到浏览记录
但有时可以拿到有时不行,拿到了空的list,比较了下是因为cookie少了Hm_lvt_之类的东西
也许跟切换账号需要验证码有关,然后尝试修改cookie,但这两种cookie都不好改
SimpleCookie
MozillaCookieJar
# -*- coding: utf8 -*-
import urllib2
import urllib
import cookielib
import re
import bs4
import json
import time
import Cookie
import random
import datetime
#import syslog
#import requests
URL_BAIDU_INDEX = u'http://www.baidu.com/';
#https://passport.baidu.com/v2/api/?getapi&class=login&tpl=mn&tangram=true 也可以用这个
URL_BAIDU_TOKEN = 'https://passport.baidu.com/v2/api/?getapi&tpl=pp&apiver=v3&class=login';
URL_BAIDU_LOGIN = 'https://passport.baidu.com/v2/api/?login';
SAVE_FILE = 'D:\\bduhis.txt';
SAVE_JFILE = 'D:\\json.txt';
SAVE_CFILE = 'D:\\cookie.txt';
#设置用户名、密码
username = '';
password = '';
#设置cookie,这里cookiejar可自动管理,无需手动指定
#cj = cookielib.CookieJar();
filename = 'cookie.txt'
cj = cookielib.MozillaCookieJar(SAVE_CFILE); opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj));
urllib2.install_opener(opener);
#print cj;
reqReturn = urllib2.urlopen(URL_BAIDU_INDEX);
#cj.set_cookie(make_cookie('testname','testvalue' ))
'''更改cookie不成功
c=Cookie.SimpleCookie();
c["Manageopen"]="cards";
c['Manageopen']['expires'] = 0;
c['Manageopen']['path'] = "/";
c['Manageopen']['domain'] = ".domain.com";
c['Manageopen']['secure'] = "";
cj.set_cookie(c["Manageopen"]) ;
'''
print cj;
cj.save(ignore_discard=True, ignore_expires=False) #获取token,
tokenReturn = urllib2.urlopen(URL_BAIDU_TOKEN);
matchVal = re.search(u'"token" : "(?P<tokenVal>.*?)"',tokenReturn.read());
tokenVal = matchVal.group('tokenVal');
#构造登录请求参数,该请求数据是通过抓包获得,对应https://passport.baidu.com/v2/api/?login请求 postData = {
'username' : username,
'password' : password,
'u' : 'https://passport.baidu.com/',
'tpl' : 'pp',
'token' : tokenVal,
'staticpage' : 'https://passport.baidu.com/static/passpc-account/html/v3Jump.html',
'isPhone' : 'false',
'charset' : 'utf-8',
'callback' : 'parent.bd__pcbs__ra48vi'
};
postData = urllib.urlencode(postData);
#发送登录请求
loginRequest = urllib2.Request(URL_BAIDU_LOGIN,postData);
loginRequest.add_header('Accept','text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8');
loginRequest.add_header('Accept-Encoding','gzip,deflate,sdch');
loginRequest.add_header('Accept-Language','zh-CN,zh;q=0.8');
loginRequest.add_header('User-Agent','Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/28.0.1500.72 Safari/537.36');
loginRequest.add_header('Content-Type','application/x-www-form-urlencoded'); sendPost = urllib2.urlopen(loginRequest);
#查看贴吧个人主页 ,测试是否登陆成功,由于cookie自动管理,这里处理起来方便很多
#http://tieba.baidu.com/home/main?un=XXXX&fr=index 这个是贴吧个人主页,各项信息都可以在此找到链接
#teibaUrl = 'http://tieba.baidu.com/f/like/mylike?v=1387441831248'
# http://i.baidu.com/my/history
# http://map.baidu.com/
#http://map.baidu.com/?newmap=1&reqflag=pcmap&biz=1&from=webmap&da_par=direct&pcevaname=pc3&qt=fav&mode=get&type=favdata&limit=100&lastver=0&t=1481726657277
#teibaUrl = 'http://i.baidu.com/my/historylogin'
teibaUrl = 'http://i.baidu.com/login/historyCheck/?autoLogin=true'
content = urllib2.urlopen(teibaUrl).read();
#print content;
teibaUrl = 'http://i.baidu.com/history/list'
content = urllib2.urlopen(teibaUrl).read();
content = content.decode('utf-8').encode('GB18030');
print content;
teibaUrl = 'http://map.baidu.com/?qt=ssn&t=1482059818916'
content2 = urllib2.urlopen(teibaUrl).read();
content2 = content2.decode('utf-8').encode('GB18030');
print content2;
'''1. save to html file
def cbk(a, b, c):
#回调函数
#@a: 已经下载的数据块
#@b: 数据块的大小
#@c: 远程文件的大小
per = 100.0 * a * b / c
if per > 100:
per = 100
print '%.2f%%' % per
urllib.urlretrieve('http://www.cmfish.com/bbs/forum.php','D:\\baidu1.html',cbk);
''' def save(filename, contents):
fh = open(filename, 'w')
fh.write(contents)
fh.close()
'''2. save to txt file
t = json.dumps(content, ensure_ascii=False);
hjson = json.loads(content, encoding='utf-8');
#t2=content.decode('utf-8');
#print hjson['data']['list'][0]['query'];
print hjson;
arr = hjson['data']['list']
tdata = 'Start----------------------------\nTime:'+time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))+' Total:'+str(len(arr))+':\n';
for elem in arr:
data = str(elem['ts'])+','+elem['query']+','+str(len(elem['clicks']));
if len(elem['clicks'])>0:
try:
for cd in elem['clicks']:
data = data + ','+str(cd['title'])+','+str(cd['url']);
except Exception,e:
tdata = tdata + 'Error:'+str(e)+'\n';
tdata = tdata + data+'\n';
print tdata;
tdata = tdata + 'End----------------------------\n';
save(SAVE_FILE, tdata.encode('gbk')) ;
'''
hjson = json.loads(content, encoding='utf-8');
save(SAVE_JFILE, content.encode('utf-8')) ;
# 3. save to mongodb
from pymongo import MongoClient
client = MongoClient('127.0.0.1', 27017)
db = client["Collections"]#数据库名
table=db['his']#表名
table.save(hjson)
hjson2 = json.loads(content2, encoding='utf-8');
table.save(hjson2)
#table.insert({'id':'1','name':'cnki'}) '''
#解析数据,用的BeautifulSoup4,感觉没有jsoup用的爽
soup = bs4.BeautifulSoup(content);
#print soup.prettify();
list = soup.findAll('a',attrs={"href":re.compile(r"^http:")});
#list = soup.findAll(name='a',attrs={'href':re.compile(r"kw="),'title':re.compile(r".")}) ;
list = list[1:len(list)];
careTeibalist = [];
print '贴吧链接\\t吧名\\t等级';
print len(list);
for elem in list:
soup1 = bs4.BeautifulSoup(str(elem));
print 'http://tieba.baidu.com/'+elem['href']+'\\'+elem['title'];
'''
然后才发现requests模块可以很方便设置header,只要自己在浏览器登陆 下获取cookie就可以得到正确的list
将得到的json保存在mongodb里面
# -*- coding: utf8 -*-
import urllib2
import urllib
import cookielib
import re
import bs4
import json
import time
import Cookie
import random
import datetime
import requests
#import syslog
#import requests url = 'http://i.baidu.com/history/list'
paras = {'channel':'201,202,300,301,302,303,400,100,500,501,505','ts':1475402100,'after':0,'page':25,'query':''}
headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_6) AppleWebKit/537.36 (KHTML, like Gecko) ' +
'Chrome/54.0.2840.87 Safari/537.3', 'Cookie': '...'
} #data=requests.get(url, headers=headers);
data=requests.post(url, data=paras,headers=headers);
content=data.text;
print content; #hjson = json.loads(content, encoding='utf-8');
#save(SAVE_JFILE, content.encode('utf-8')) ;
# 3. save to mongodb
from pymongo import MongoClient
client = MongoClient('127.0.0.1', 27017)
db = client["Collections"]#数据库名
table=db['history']#表名
hjson = json.loads(content, encoding='utf-8');
arr = hjson['data']['list']
print len(arr)
table.save(hjson)
cnt = 0
#table.insert({'id':'1','name':'cnki'}) while (len(arr) >0):
cnt = cnt + len(arr)
tdate = hjson['data']['ts_start']
table.save(hjson)
paras = {'channel':'201,202,300,301,302,303,400,100,500,501,505','ts':tdate,'after':0,'page':25,'query':''}
data=requests.post(url, data=paras,headers=headers);
content=data.text;
print content.encode('gbk');
hjson = json.loads(content, encoding='utf-8');
arr = hjson['data']['list'] print tdate
print cnt
table=db['ts']#表名
table.insert({'name':'test','time':time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())),'ts_start':tdate})
Python获取百度浏览记录的更多相关文章
- 用 Python 获取百度搜索结果链接
前言 近期有许多项目需要这个功能,由于Python实现起来比较简单就这么做了,代码贴下来觉得好点个赞吧~ 代码 # coding: utf-8 import os import time import ...
- 【Python学习笔记六】获取百度搜索结果以及百度返回“百度安全验证”问题解决
1.获取百度搜索结果页面主要是修改百度搜索url中的参数实现,例如查询的关键字为wd: 举例:https://www.baidu.com/s?wd=python",这样就可以查询到‘pyth ...
- Django之使用redis缓存session,历史浏览记录,首页数据实现性能优化
Redis缓存session 配置Django缓存数据到redis中 # diango的缓存配置 CACHES = { "default": { "BACKEND&quo ...
- [Python爬虫] Selenium获取百度百科旅游景点的InfoBox消息盒
前面我讲述过如何通过BeautifulSoup获取维基百科的消息盒,同样可以通过Spider获取网站内容,最近学习了Selenium+Phantomjs后,准备利用它们获取百度百科的旅游景点消息盒(I ...
- 腾讯云图片鉴黄集成到C# SQL Server 怎么在分页获取数据的同时获取到总记录数 sqlserver 操作数据表语句模板 .NET MVC后台发送post请求 百度api查询多个地址的经纬度的问题 try{}里有一个 return 语句,那么紧跟在这个 try 后的 finally {}里的 code 会 不会被执行,什么时候被执行,在 return 前还是后? js获取某个日期
腾讯云图片鉴黄集成到C# 官方文档:https://cloud.tencent.com/document/product/641/12422 请求官方API及签名的生成代码如下: public c ...
- 清空网站浏览记录就行啦?看Python如何实时监控网站浏览记录
前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 需求: (1) 获取你对象chrome前一天的浏览记录中的所有网址(url ...
- python爬虫获取百度图片(没有精华,只为娱乐)
python3.7,爬虫技术,获取百度图片资源,msg为查询内容,cnt为查询的页数,大家快点来爬起来.注:现在只能爬取到百度的小图片,以后有大图片的方法,我会陆续发贴. #!/usr/bin/env ...
- shell,python获取当前路径(脚本的当前路径) (aso项目记录)
一.shell获取脚本当前路径 cur_dir=$(cd "$(dirname "$0")"; pwd) #获取当前脚本的绝对路径,参数$0是当前脚本对象 等 ...
- js记录用户在网站的浏览记录和停留时间
by weber开发者 from http://weber.pub/ 本文地址: http://weber.pub/js记录用户行为浏览记录和停留时间/163.html 问题 公司想统计一个用户从进入 ...
随机推荐
- Python中遍历整个列表及注意点(参考书籍Python编程从入门到实践)
1. 利用for循环遍历整个列表 magicians = ['alice', 'dsvid', 'carolina'] # 遍历整个列表 for magician in magicians: prin ...
- django使用pyecharts(2)----django加入echarts_前后台分离
二.Django 中使用 pyecharts. 前后端分离 1.安装 djangorestframework linux pip3 install djangorestframework window ...
- Python爬虫框架
本文章的源代码来源于https://github.com/Holit/Web-Crawler-Framwork 一.爬虫框架的代码 import urllib.request from bs4 imp ...
- PAT(B) 1052 卖个萌(Java:0分 待解决,C:20分)
题目链接:1052 卖个萌 (20 point(s)) 题目描述 萌萌哒表情符号通常由"手"."眼"."口"三个主要部分组成.简单起见,我们 ...
- PAT(B) 1084 外观数列(Java)
题目链接:1084 外观数列 (20 point(s)) 题目描述 外观数列是指具有以下特点的整数序列: d, d1, d111, d113, d11231, d112213111, - 它从不等于 ...
- 处理ajax数据;数据渲染(细节)
AJAX 是一种在无需重新加载整个网页的情况下,能够更新部分网页的技术. 什么是 AJAX ? AJAX = 异步 JavaScript 和 XML. AJAX 是一种用于创建快速动态网页的技术. 通 ...
- linux安装imagemagick,centos安装imagemagick方法
1.安装文件格式支持库 yum install tcl-devel libpng-devel libjpeg-devel ghostscript-devel bzip2-devel freetype- ...
- 使用Dockerfile构建镜像并push到私有仓库
环境:OS X 10.10.5 maven 3.3.9 Docker version 1.12.2 docker-machine version 0.8.2 程序示例为http://www.cnblo ...
- C# EF 加密连接数据库连接字符串
不多说,直接上代码 public partial class Model1 : DbContext { private static string connStr = ""; pu ...
- robot framework 怎么验证搜索无记录,页面元素不存在
假设你要验证搜索无记录,页面元素不存在,假设我搜索的文本为你好 页面展示为如下 搜索:你好 假设页面搜索有结果: 你好 class=vtext 你好1 class=vtext 你好2 class ...