欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python登錄并獲取CSDN博客所有文章列表代碼實(shí)例

 更新時(shí)間:2017年12月28日 10:51:14   作者:樂百川  
這篇文章主要介紹了Python登錄并獲取CSDN博客所有文章列表代碼實(shí)例,具有一定借鑒價(jià)值,需要的朋友可以參考下

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=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

  • Python圖像處理之邊緣檢測(cè)原理詳解

    Python圖像處理之邊緣檢測(cè)原理詳解

    邊緣檢測(cè)是圖像處理和計(jì)算機(jī)視覺當(dāng)中的基本問題,邊緣檢測(cè)的目的是標(biāo)識(shí)數(shù)字圖像中亮度變化明顯的點(diǎn)。本文將通過示例和大家介紹一下邊緣檢測(cè)的原理,希望對(duì)大家有所幫助
    2022-12-12
  • Python?Logistic邏輯回歸算法使用詳解

    Python?Logistic邏輯回歸算法使用詳解

    這篇文章主要介紹了Python?Logistic邏輯回歸算法使用的方法和原理,Logistic雖然不是十大經(jīng)典算法之一,但卻是數(shù)據(jù)挖掘中常用的有力算法,所以這里也專門進(jìn)行了學(xué)習(xí),需要的朋友可以參考下
    2021-06-06
  • Flask 入門Web 微框架Hello Flask

    Flask 入門Web 微框架Hello Flask

    這篇文章主要介紹了 Flask 入門Web 微框架Hello Flask,F(xiàn)lask 是一個(gè) Python 實(shí)現(xiàn)的 Web 微框架,之所以稱之為微框架,是因?yàn)?nbsp;Flask 核心簡單且易于擴(kuò)展,有兩個(gè)主要依賴,WSGI工具集:Werkzeug和模板引擎:Jinja2,Flask 只保留了 Web 開發(fā)的核心功能,需要的朋友可以參考一下
    2021-11-11
  • 用python標(biāo)準(zhǔn)庫difflib比較兩份文件的異同詳解

    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
    2018-11-11
  • Python實(shí)現(xiàn)釘釘/企業(yè)微信自動(dòng)打卡的示例代碼

    Python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
    2021-02-02
  • Python操作PDF圖片的基本方法(增刪改查)

    Python操作PDF圖片的基本方法(增刪改查)

    PDF文件中的圖片可以豐富文檔內(nèi)容,提升用戶的閱讀體驗(yàn),除了在PDF中添加圖片外,有時(shí)也需要替換或刪除其中的圖片,文本將提供三個(gè)示例,介紹如何使用Python?操作PDF文件中的圖片,需要的朋友可以參考下
    2024-04-04
  • Pytorch GPU內(nèi)存占用很高,但是利用率很低如何解決

    Pytorch 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
    2021-06-06
  • Python局部函數(shù)及用法詳解(含nonlocal關(guān)鍵字)

    Python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
    2022-12-12
  • Python?中10進(jìn)制數(shù)與16進(jìn)制數(shù)相互轉(zhuǎn)換問題

    Python?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
    2023-05-05
  • python中創(chuàng)建以及刪除虛擬環(huán)境的幾種方法總結(jié)

    python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

最新評(píng)論