Requests
import requests
url='http://example.test/secret'`
response=requests.get(url,auth=('dan','h0tdish'))`
response.status_code`
200
response.content`
u``'Welcome to the secret page!'
|
只是在调用方法的时候增加了一个auth关键字函数
我敢打赌你不用查文档也能记住。
错误处理 Error Handling
Requests对错误的处理也是很非常方面。如果你使用了不正确的用户名和密码，urllib2会引发一个urllib2.URLError错误，然而Requests会像你期望的那样返回一个正常的response对象。只需查看response.ok的布尔值便可以知道是否登陆成功。
(https://www.jb51.net/article/63711.htm#)
>>> response = requests.get(url,auth``=``(``'dan'``,``'wrongPass'``))
>>> response.ok
False
|
使用selenium进行爬虫
1、挑选需求爬的URL地址，将其放入需求网络爬虫的队列，也可以把爬到的符合一定需求的地址放入这个队列中2、获取一个url进行DNS解析，获取其主机IP3、针对这个url地址将其页面加载下来（也就是这个页面的html或者jsp）加载下来，不同的框架有不同的页面处理方法，和抽取有用信息的方法，类似根据id选择抽取，根据标签抽取，根据class抽取，根据css抽取等。4、最后Pipeline负责抽取结果的处理，包括计算、持久化到文件、数据库等 在这里我们介绍一种十分方便的爬虫工具：selenium，selenium爬虫个人感觉适合对那种需求登录的页面进行爬取，因为它本身可以加载浏览器驱动，模拟登录这个操作，然后把需求的静态页面加载进来。
from selenium import webdriver
import time
browser = webdriver.Chrome()
browser = webdriver.Firefox()
help(webdriver)
加载谷歌浏览器驱动，这里我使用的谷歌，你也可以下载firefox或者ie的驱动
使用什么驱动则模拟该操作的就是这个浏览器，需要注意的是，chromedriver.exe对不同浏览器版本也是有自己版本的
browser = webdriver.Chrome("D:\driver\chromedriver.exe")
这里通过get请求需要模拟登录的页面
browser.get("https://crm.xiaoshouyi.com/global/login.action")
print(browser.page_source)
browser.switch_to_frame("page_source")
这里通过name选择器获取登录名和密码并把需要set值给放进去
browser.find_element_by_name("loginName").send_keys("你的登录名")
browser.find_element_by_name("password").send_keys("你的登录密码")
这一步模拟点击登录
browser.find_element_by_class_name("pg-btn-submit").click()
browser.implicitly_wait(10)
time.sleep(5)
这一步模拟点击某个a标签连接
hrefs=browser.find_element_by_partial_link_text(u"客户")
hrefs.click()
time.sleep(5)
我们可以通过browser.page_source把当前页面的静态资源打印出来看看，然后根据自己需求进行提取有用的资源
print(browser.page_source) 现在我们可以看到，我们已经把页面的静态资源加载到了browser里面，我们可以开始根据自己的需求从browser里面拿自己需要的资源了，我这里先简单介绍一下selenium的使用，有关其具体选择器和选择方法，如下所示：
browser.find_element_by_id("id的name")
browser.find_element("")
browser.find_element_by_tag_name("标签name")
browser.find_element_by_class_name("classname")
browser.find_element_by_css_selector("css选择器，cssname")
browser.find_element_by_partial_link_text("带有链接的文本，获取其跳转地址，后面跟click事件可以模拟跳转")
browser.find_element_by_xpath("里面可以跟正则表达式，XPath一般在实际自动化测试项目中用到比较多，其定位元素十分方便")此处例举xpath用法：假如一个html是这个样子的：<html>
<body>
<form id="myform">
<input name="name" type="text" />
<input name="pwd" type="password" />
<input name="continue" type="submit" value="Login" />
</form>
</body>
<html>我们需要用xpath定位他的pwd：
pwd =browser.find_element_by_xpath("//form[input/@name='pwd']")---获取form下input标签中name为pwd的资源
pwd = browser.find_element_by_xpath("//form[@id='loginForm']/input[2]")---获取第二个input标签的资源
pwd = browser.find_element_by_xpath("//input[@name='pwd']")---直接获取input为pwd的资源
xpat语法与bs4
xpth获取属性//a[@class="name"]/@img
获取文本//a[@class="name"]/@img/text()
bs4获取属性
href = site.select('td a')[0].attrs['href']
获取文本
catalog = site.select('td')[1].get_text()
