Python登錄并獲取CSDN博客所有文章列表代碼實(shí)例
分析登錄過程
這幾天研究百度登錄和貼吧簽到,這百度果然是互聯(lián)網(wǎng)巨頭,一個(gè)登錄過程都弄得復(fù)雜無比,簡直有毒。我研究了好幾天仍然沒搞明白。所以還是先挑一個(gè)軟柿子捏捏,就選擇CSDN了。
過程很簡單,我也不截圖了。直接打開瀏覽器,然后打開Fiddler,然后登錄CSDN。然后Fiddler顯示瀏覽器向https://passport.csdn.net/account/login?ref=toolbar發(fā)送了一個(gè)POST請(qǐng)求,這個(gè)請(qǐng)求包含了登錄表單,而且還是未加密的。當(dāng)然CSDN本身還是使用了HTTPS,所以安全性還行。
請(qǐng)求體如下,username和password當(dāng)然是用戶名和密碼了。
username=XXXXX&password=XXXXXX&rememberMe=true<=LT-461600-wEKpWAqbfZoULXmFmDIulKPbL44hAu&execution=e4s1&_eventId=submit
lt參數(shù)我不知道是干啥的,結(jié)果直接在頁面中一看原來全在表單里頭,這下直接全了。CSDN很貼心的連注釋都給出了。另外如果你打開百度首頁的話,還會(huì)發(fā)現(xiàn)瀏覽器的log中還會(huì)輸出百度的招聘信息。
HTML截圖
登錄代碼
這些信息全有了,這樣我們就可以登錄了。不說廢話,直接上代碼。先說說我遇到的幾個(gè)坑。
首先是一個(gè)參數(shù)錯(cuò)誤,其實(shí)邏輯沒問題,但是代碼我復(fù)制粘貼之后忘了改名字了,就登錄表單那里,三個(gè)參數(shù)全弄成了lt,結(jié)果登錄返回來的頁面是錯(cuò)誤頁面。我還以為是沒有附帶什么請(qǐng)求頭,瞎整了大半天。最后用Fiddler調(diào)試了好多遍才發(fā)現(xiàn)。
第二個(gè)問題就是CSDN雞賊的跳轉(zhuǎn)。由于瀏覽器自帶了JS引擎,所以我們?cè)跒g覽器中輸入網(wǎng)址,到達(dá)頁面這一過程不一定就是一個(gè)請(qǐng)求。可能中間用了什么JS代碼先跳轉(zhuǎn)到中間頁面,最后才跳轉(zhuǎn)到實(shí)際頁面。代碼里的_validate_redirect_url(self)函數(shù)就是干這個(gè)的,登錄完了第一次請(qǐng)求會(huì)得到一個(gè)中間頁面,它包含了一堆JS代碼,其中有個(gè)重定向網(wǎng)址。我們獲取到這個(gè)重定向網(wǎng)址,還得請(qǐng)求一次,獲得200OK之后,后續(xù)請(qǐng)求才能獲得實(shí)際頁面。
第三個(gè)問題就是正則表達(dá)式匹配頁面的空格問題了。獲取文章首先得知道文章總數(shù),這個(gè)好辦,直接獲取頁面里的文章數(shù)就行了。它類似100條共20頁這個(gè)。那么該怎么獲取呢?一開始我用的(\d+)條共(\d+)頁這個(gè)正則,但是結(jié)果沒匹配到,然后我仔細(xì)看了一下頁面,原來這兩個(gè)詞之間不是一個(gè)空格,而是兩個(gè)空格!其實(shí)這個(gè)問題倒是也好辦,改一下正則(\d+)條\s*共(\d+)頁就行了。所以以后如果遇到空格問題,直接用\s匹配,不要想著自己輸入一個(gè)空格還是兩個(gè)空格。
import requests from bs4 import BeautifulSoup import re import urllib.parse as parse class CsdnHelper: """登錄CSDN和列出所有文章的類""" csdn_login_url = 'https://passport.csdn.net/account/login?ref=toolbar' headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36', } blog_url = 'http://write.blog.csdn.net/postlist/' def __init__(self): self._session = requests.session() self._session.headers = CsdnHelper.headers def login(self, username, password): '''登錄主函數(shù)''' form_data = self._prepare_login_form_data(username, password) response = self._session.post(CsdnHelper.csdn_login_url, data=form_data) if 'UserNick' in response.cookies: nick = response.cookies['UserNick'] print(parse.unquote(nick)) else: raise Exception('登錄失敗') def _prepare_login_form_data(self, username, password): '''從頁面獲取參數(shù),準(zhǔn)備提交表單''' response = self._session.get(CsdnHelper.csdn_login_url) login_page = BeautifulSoup(response.text, 'lxml') login_form = login_page.find('form', id='fm1') lt = login_form.find('input', attrs={'name': 'lt'})['value'] execution = login_form.find('input', attrs={'name': 'execution'})['value'] eventId = login_form.find('input', attrs={'name': '_eventId'})['value'] form = { 'username': username, 'password': password, 'lt': lt, 'execution': execution, '_eventId': eventId } return form def _get_blog_count(self): '''獲取文章數(shù)和頁數(shù)''' self._validate_redirect_url() response = self._session.get(CsdnHelper.blog_url) blog_page = BeautifulSoup(response.text, 'lxml') span = blog_page.find('div', class_='page_nav').span print(span.string) pattern = re.compile(r'(\d+)條\s*共(\d+)頁') result = pattern.findall(span.string) blog_count = int(result[0][0]) page_count = int(result[0][1]) return (blog_count, page_count) def _validate_redirect_url(self): '''驗(yàn)證重定向網(wǎng)頁''' response = self._session.get(CsdnHelper.blog_url) redirect_url = re.findall(r'var redirect = "(\S+)";', response.text)[0] self._session.get(redirect_url) def print_blogs(self): '''輸出文章信息''' blog_count, page_count = self._get_blog_count() for index in range(1, page_count + 1): url = f'http://write.blog.csdn.net/postlist/0/0/enabled/{index}' response = self._session.get(url) page = BeautifulSoup(response.text, 'lxml') links = page.find_all('a', href=re.compile(r'http://blog.csdn.net/u011054333/article/details/(\d+)')) print(f'----------第{index}頁----------') for link in links: blog_name = link.string blog_url = link['href'] print(f'文章名稱:《{blog_name}》 文章鏈接:{blog_url}') if __name__ == '__main__': csdn_helper = CsdnHelper() username = input("請(qǐng)輸入用戶名") password = input("請(qǐng)輸入密碼") csdn_helper.login(username, password) csdn_helper.print_blogs()
當(dāng)然,這里最重要的的就是登錄過程了。我們登錄之后,才可以做其他事情。比方說,下一步還能寫一個(gè)備份工具,把CSDN博客的所有文章和圖片下載到本地。有興趣的同學(xué)可以試一試。
總結(jié)
以上就是本文關(guān)于Python登錄并獲取CSDN博客所有文章列表代碼實(shí)例的全部內(nèi)容,希望對(duì)大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關(guān)專題,如有不足之處,歡迎留言指出。感謝朋友們對(duì)本站的支持!
相關(guān)文章
用python標(biāo)準(zhǔn)庫difflib比較兩份文件的異同詳解
今天小編就為大家分享一篇用python標(biāo)準(zhǔn)庫difflib比較兩份文件的異同詳解,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-11-11Python實(shí)現(xiàn)釘釘/企業(yè)微信自動(dòng)打卡的示例代碼
這篇文章主要介紹了Python實(shí)現(xiàn)釘釘/企業(yè)微信自動(dòng)打卡的示例代碼,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02Pytorch GPU內(nèi)存占用很高,但是利用率很低如何解決
這篇文章主要介紹了Pytorch GPU內(nèi)存占用很高,但是利用率很低的原因及解決方法,具有很好的參考價(jià)值,希望對(duì)大家 有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-06-06Python局部函數(shù)及用法詳解(含nonlocal關(guān)鍵字)
局部函數(shù)有哪些特征,在使用時(shí)需要注意什么呢?接下來就給讀者詳細(xì)介紹?Python?局部函數(shù)的用法,對(duì)Python局部函數(shù)相關(guān)知識(shí)感興趣的朋友跟隨小編一起看看吧2022-12-12Python?中10進(jìn)制數(shù)與16進(jìn)制數(shù)相互轉(zhuǎn)換問題
這篇文章主要介紹了Python中10進(jìn)制數(shù)與16進(jìn)制數(shù)相互轉(zhuǎn)換,在Python中,我們可以使用內(nèi)置的hex()函數(shù)將10進(jìn)制數(shù)轉(zhuǎn)換為16進(jìn)制數(shù),需要的朋友可以參考下2023-05-05python中創(chuàng)建以及刪除虛擬環(huán)境的幾種方法總結(jié)
在Python?中創(chuàng)建虛擬環(huán)境非常容易,但是刪除虛擬環(huán)境可能會(huì)有一些挑戰(zhàn),這篇文章主要給大家介紹了關(guān)于python中創(chuàng)建以及刪除虛擬環(huán)境的幾種方法,需要的朋友可以參考下2024-03-03