Learn python the fifth day.

---恢复内容开始---

'''
今日内容：
1 requests之POST请求
     session
     cookie
     token
2 requests高级用法
3 selenium模块

'''

'''
# 1 requests之POST请求
    请求url: 
    请求方式: POST
    请求头：
        referer:(上一次请求)
        user-agent:
    请求体：
        只有post请求才会有请求体
        commit: Sign in
        utf8:✓ 
        
        login:
        password:
        webauthn-support: unsupported
        
    
'''
import requests
import re

# 1 访问login页获取token信息
'''
请求url: http://github.com/login
请求方式： GET
响应头： Set-Cookie
请求头： Cookie
        User-Agent
'''
headers={
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safar'
                 'i/537.36'
}
response=requests.get(url='http://home.cnblogs.com/u/feiyufei/', headers=headers)
# print(response.text)
# 把login页返回的cookies信息转换成字典
login_cookies = response.cookies.get_dict()

authenticity_token = re.findall('<input type="hidden" name="authenticity_token" value="(.*?)" />',response.text, re.S)[0]
print(authenticity_token)


# 2 往session发送POST请求
'''
请求url: http://github.com/session
请求方式: POST
请求头： referer: http://github.com/login
         Cookie:......
         USer-Agent:
请求体： （只有POST请求才会有请求体）
         commit: Sign in
         utf8:
         authenticity_token:

         login:
         password: ******
         webauthn-support: unsupported

'''

# 拼接请求头信息
headers2={
    'referer':'http://github.com/login',
    'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.90 Safari/537.36'
}
# 拼接请求体信息
form_data={
    "commit":"Sign in",
    "utf8": "✓",
    "authenticity_token": authenticity_token,
    "login": "tankjam",
    "password": "kermit46709394",
    "webauthn-support": "unsupported",
}
# 往session地址发送post请求
# 携带请求头、请求体、login页的cookies信息
response2 = requests.post(url='https://github.com/session', data=form_data, headers=headers2, cookies=login_cookies)
print(response2.status_code)
# print(response2.text)
with open('github.html', 'w', encoding='utf-8') as f:
    f.write(response2.text)

# response响应

 1 import requests
 2 
 3 response=requests.get('https://baidu.com')
 4 # response响应
 5 print(response.status_code)         # 获取响应状态码
 6 print(response.url)                 # 获取url地址
 7 print(response.encoding)            # 字符编码
 8 response.encoding='utf-8'
 9 print(response.text)                # 获取文本
10 print(response.content)             # 获取二进制流
11 print(response.headers)             # 获取页面请求信息
12 print(response.history)             # 上一次跳转的地址
13 # 1 返回cookie字典 2 返回cookies信息
14 print(response.cookies)             # 获取cookies信息
15 print(response.cookies.get_dict())  # 获取cookies信息转换成字典
16 print(response.cookies.items())     # 获取cookies信息转换成字典
17 print(response.encoding)
18 print(response.elapsed)             # 访问时间
19 
20 
21 import requests
22 # 往音频地址发送get请求
23 url = 'https://vd2.bdstatic.com/mda-ifjegte8t7bxuzbb/hd/mda-ifjegte8t7bxuzbb.mp4'
24 response = requests.get(url, stream=True)  # stream=True 把content设置为一个迭代器对象
25 print(response.content)
26 
27 with open('像我这样的人.mp4', 'wb') as f:
28     for content in response.iter_content():
29         f.write(content)

#2  requests高级用法

  1 '''
  2 # 1 http://http+ssl(携带证书)
  3 #证书验证(大部分网站都是https)
  4 '''
  5 import requests
  6 # 如果是ssl请求,首先检查证书是否合法,不合法则报错,程序终端
  7 response = requests.get('https://www.xiaohuar.com')
  8 print(response.status_code)
  9 
 10 # 改进1:去掉报错,但是会报警告
 11 import requests
 12 response = requests.get('https://www.xiaohuar.com', verify=False)
 13 # 不验证证书,报警告,返回200
 14 print(response.status_code)
 15 
 16 # 改进2:去掉报错,并且去掉警报信息
 17 import requests
 18 import urllib3
 19 urllib3.disable_warnings()  # 关闭警告
 20 response = requests.get('https://www.xiaohuar.com', verify=False)
 21 print(response.status_code)
 22 
 23 # 改进3:加上证书
 24 # 很多网站都是https,但是不用证书也可以访问,大多数情况都是可以携带也可以不携带证书
 25 # 知乎\百度等都是可带可不带
 26 # 有硬性要求的,则必须带，比如对于定向的用户,拿到证书后才有权限访问某个特定网站
 27 import requests
 28 import urllib3
 29 # urllib3.disable_warnings()  # 关闭警告
 30 # 伪代码
 31 response = requests.get(
 32     'https://www.xiaohuar.com',
 33     # verify=False,
 34     cert=('/path/server.crt', '/path/key'))
 35 print(response.status_code)
 36 
 37 
 38 
 39 '''
 40 # 2 超时设置
 41 # 超时设置
 42 # 两种超时:float or tuple
 43 # timeout=0.1  # 代表接收数据的超时时间
 44 # timeout=(0.1,0.2)  # 0.1代表链接超时  0.2代表接收数据的超时时间
 45 '''
 46 import requests
 47 
 48 response = requests.get('https://www.baidu.com',
 49                         timeout=0.0001)
 50 
 51 
 52 
 53 '''
 54 # 3 使用代理
 55 # 官网链接: http://docs.python-requests.org/en/master/user/advanced/#proxies
 56 
 57 # 代理设置:先发送请求给代理,然后由代理帮忙发送(封ip是常见的事情)
 58 '''
 59 import requests
 60 proxies={
 61     # 带用户名密码的代理,@符号前是用户名与密码
 62     'http':'http://tank:123@localhost:9527',
 63     'http':'http://localhost:9527',
 64     'https':'https://localhost:9527',
 65 }
 66 response=requests.get('https://www.12306.cn',
 67                      proxies=proxies)
 68 print(response.status_code)
 69 
 70 
 71 
 72 '''
 73 爬取西刺免费代理：
 74     1.访问西刺免费代理页面
 75     2.通过re模块解析并提取所有代理
 76     3.通过ip测试网站对爬取的代理进行测试
 77     4.若test_ip函数抛出异常代表代理作废，否则代理有效
 78     5.利用有效的代理进行代理测试
 79 
 80 <tr class="odd">
 81       <td class="country"><img src="//fs.xicidaili.com/images/flag/cn.png" alt="Cn"></td>
 82       <td>112.85.131.99</td>
 83       <td>9999</td>
 84       <td>
 85         <a href="/2019-05-09/jiangsu">江苏南通</a>
 86       </td>
 87       <td class="country">高匿</td>
 88       <td>HTTPS</td>
 89       <td class="country">
 90         <div title="0.144秒" class="bar">
 91           <div class="bar_inner fast" style="width:88%">
 92 
 93           </div>
 94         </div>
 95       </td>
 96       <td class="country">
 97         <div title="0.028秒" class="bar">
 98           <div class="bar_inner fast" style="width:97%">
 99 
100           </div>
101         </div>
102       </td>
103 
104       <td>6天</td>
105       <td>19-05-16 11:20</td>
106     </tr>
107 re:
108     <tr class="odd">(.*?)</td>.*?<td>(.*?)</td>
109 
110 '''
111 # import requests
112 # import re
113 # import time
114 #
115 # HEADERS = {
116 #     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
117 # }
118 #
119 #
120 # def get_index(url):
121 #     time.sleep(1)
122 #     response = requests.get(url, headers=HEADERS)
123 #     return response
124 #
125 #
126 # def parse_index(text):
127 #     ip_list = re.findall('<tr class="odd">.*?<td>(.*?)</td>.*?<td>(.*?)</td>', text, re.S)
128 #     for ip_port in ip_list:
129 #         ip = ':'.join(ip_port)
130 #         yield ip
131 #
132 # def test_ip(ip):
133 #     print('测试ip: %s' % ip)
134 #     try:
135 #         proxies = {
136 #             'https': ip
137 #         }
138 #
139 #         # ip测试网站
140 #         ip_url = 'https://www.ipip.net/'
141 #
142 #         # 使用有效与无效的代理对ip测试站点进行访问，若返回的结果为200则代表当前测试ip正常
143 #         response = requests.get(ip_url, headers=HEADERS, proxies=proxies, timeout=1)
144 #
145 #         if response.status_code == 200:
146 #             print(f'有用的ip：{ip}')
147 #             return ip
148 #
149 #     # 若ip代理无效则抛出异常
150 #     except Exception as e:
151 #         print(e)
152 #
153 # # 使用代理爬取nba
154 # def spider_nba(good_ip):
155 #     url = 'https://china.nba.com/'
156 #
157 #     proxies = {
158 #         'https': good_ip
159 #     }
160 #
161 #     response = requests.get(url, headers=HEADERS, proxies=proxies)
162 #     print(response.status_code)
163 #     print(response.text)
164 #
165 #
166 # if __name__ == '__main__':
167 #     base_url = 'https://www.xicidaili.com/nn/{}'
168 #
169 #     for line in range(1, 3677):
170 #         ip_url = base_url.format(line)
171 #
172 #         response = get_index(ip_url)
173 #
174 #         # 解析西刺代理获取每一个ip列表
175 #         ip_list = parse_index(response.text)
176 #
177 #         # 循环每一个ip
178 #         for ip in ip_list:
179 #             # print(ip)
180 #
181 #             # 对爬取下来的ip进行测试
182 #             good_ip = test_ip(ip)
183 #
184 #             if good_ip:
185 #                 # 真是代理，开始测试
186 #                 spider_nba(good_ip)
187 
188 
189 
190 
191 
192 '''
193 5 认证设置
194 '''
195 import requests
196 # 通过访问github的api来测试
197 url = 'https://api.github.com/user'
198 HEADERS = {
199     'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36',
200 }
201 
202 # 测试1，失败返回401
203 # response = requests.get(url, headers=HEADERS)
204 # print(response.status_code)  # 401
205 # print(response.text)
206 '''
207 打印结果:
208     {
209       "message": "Requires authentication",
210       "documentation_url": "https://developer.github.com/v3/users/#get-the-authenticated-user"
211     }
212 '''
213 #
214 # # 测试2，通过requests.auth内的HTTPBasicAuth进行认证，认证成功返回用户信息
215 # from requests.auth import HTTPBasicAuth
216 # response = requests.get(url, headers=HEADERS, auth=HTTPBasicAuth('tankjam', 'kermit46709394'))
217 # print(response.text)
218 #
219 
220 # 测试3，通过requests.get请求内的auth参数默认就是HTTPBasicAuth，认证成功返回用户信息
221 # response = requests.get(url, headers=HEADERS, auth=('tankjam', 'kermit46709394'))
222 # print(response.text)
223 
224 
225 
226 
227 '''
228 # 6 上传文件
229 '''
230 
231 # import requests
232 # 
233 # # 上传文本文件
234 # files1 = {'file': open('user.txt', 'rb')}
235 # response = requests.post('http://httpbin.org/post', files=files1)
236 # print(response.status_code)  # 200
237 # print(response.text)  # 200
238 
239 # # 上传图片文件
240 # files2 = {'jpg': open('小狗.jpg', 'rb')}
241 # response = requests.post('http://httpbin.org/post', files=files2)
242 # print(response.status_code)  # 200
243 # print(response.text)  # 200
244 #
245 # # 上传视频文件
246 # files3 = {'movie': open('love_for_GD.mp4', 'rb')}
247 #
248 # response = requests.post('http://httpbin.org/post', files=files3)
249 # print(response.status_code)  # 200
250 # print(response.text)  # 200

# 3 selenium模块讲解

'''
1 什么是selenium?
    最初是一个自动化测试工具，可以使用它帮我们驱动浏览器
    自动去执行某些自定义好的操作。例如在页面中执行JS代码、跳过登录验证。

2 为什么要使用selenium
     1)优点：使用requests模块登录需要分析大量的复杂通信流程，使用selenium可以轻松跳过登录验证
     2)缺点：浏览器会加载css、js、图片、视频...数据，爬虫效率相比requests模块要低
3 如何使用selenium?
     下载selenium模块： pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple selenium
     下载浏览器驱动： http://taobao.org/mirrors/chromedriver/2.38

'''

# selenium之第一次
from selenium import webdriver   # 用来驱动浏览器

# 调用得到一个动作链对象，破解华东验证码的时候用的，可以拖动图片
from selenium.webdriver import ActionChains

# 按照什么方式查找属性，By.ID, By.CSS_SELECIOR, By.Class
from selenium.webdriver.common.by import  By
from selenium.webdriver.common.Keys import Keys    #键盘按键操作

# 和下面WebDriverWait一起用的，EC是expected_conditions的别名
from selenium.webdriver.support import expected_conditions

# 等待页面加载某些元素
from selenium.webdriver.support.wait import WebDriverWait

import time
# 通过谷歌浏览器驱动打开谷歌浏览器
# webdriver.Chrome(r'chromedriver.exe的绝对路径)
chrome=webdriver.Chrome(r'D:\chromedriver_win32\chromedriver.exe')   # ()内输入chromedriver.exe的绝对路径

#chromedriver.exe存放于python解释器的Scripts文件夹中
# chrome=webdriver.Chrome()



# 若try出现异常
try:
    chrome.get('https://cnblogs.com/feiyufei/')
    time.sleep(3)

    # 无论发生什么都会关闭浏览器
finally:
    # 关闭浏览器
    chrome.close()


#
# 1 若try出现异常
try:
    # 往博客主页发送get请求
    # chrome.get('https://www.cnblogs.com/feiyufei/')

    # 参数1: 驱动对象  参数2: 等待时间
    wait = WebDriverWait(chrome, 10)

    # 1、访问百度
    chrome.get('https://www.baidu.com/')

    # 2、查找input输入框
    input_tag = wait.until(
        # 调用EC的presence_of_element_located()
        EC.presence_of_element_located(
            # 此处可以写一个元组
            # 参数1: 查找属性的方式
            # 参数2: 属性的名字
            (By.ID, "kw")
        )
    )
    input_tag = wait.until(EC.presence_of_element_located((By.ID, "kw")))

    # 3、搜索一拳超人
    input_tag.send_keys('一拳超人')

    # 4、按键盘回车键
    input_tag.send_keys(Keys.ENTER)

    time.sleep(3)

# 无论发生什么都会关闭浏览器
finally:
    # 关闭浏览器
    chrome.close()


# 2
try:
    # 往tank博客主页发送get请求
    # chrome.get('https://www.cnblogs.com/feiyufei/')

    # 参数1: 驱动对象  参数2: 等待时间
    wait = WebDriverWait(chrome, 10)

    # 1、访问京东主页
    chrome.get('https://www.jd.com/')

    # 2、查找input输入框
    input_tag = wait.until(EC.presence_of_element_located((By.ID, "key")))

    # 3、搜索唐诗三百首
    input_tag.send_keys('唐诗三百首')

    # 4、根据class属性名称查找标签
    search_button = wait.until(
        EC.presence_of_element_located((By.CLASS_NAME, 'button')))
    # 5、点击搜索按钮
    search_button.click()

    time.sleep(3)

# 无论发生什么都会关闭浏览器
finally:
    # 关闭浏览器
    chrome.close()

# selenium之基本选择器

from selenium import webdriver  # 用来驱动浏览器的
import time

'''
隐式等待
'''
# 获取驱动对象、
driver = webdriver.Chrome()

try:
    # 显式等待: 等待某个元素加载
    # 参数1: 驱动对象  参数2: 等待时间
    # wait = WebDriverWait(chrome, 10)

    driver.get('https://china.nba.com/')

    # 隐式等待: 等待页面所有元素加载
    driver.implicitly_wait(10)
    news_tag = driver.find_element_by_class_name('nav-news')
    # 获取标签对象
    print(news_tag)
    # 获取标签的名字
    print(news_tag.tag_name)


    time.sleep(10)

finally:
    driver.close()



from selenium import webdriver  # 用来驱动浏览器的
import time

'''
===============所有方法===================
    element是查找一个标签
    elements是查找所有标签

    1、find_element_by_link_text  通过链接文本去找
    2、find_element_by_id 通过id去找
    3、find_element_by_class_name
    4、find_element_by_partial_link_text
    5、find_element_by_name
    6、find_element_by_css_selector
    7、find_element_by_tag_name
'''
# 获取驱动对象、
driver = webdriver.Chrome()

try:

    # 往百度发送请求
    driver.get('https://www.baidu.com/')
    driver.implicitly_wait(10)

    # 1、find_element_by_link_text  通过链接文本去找
    # 根据登录
    # send_tag = driver.find_element_by_link_text('登录')
    # send_tag.click()

    # 2、find_element_by_partial_link_text 通过局部文本查找a标签
    login_button = driver.find_element_by_partial_link_text('登')
    login_button.click()
    time.sleep(1)

    # 3、find_element_by_class_name 根据class属性名查找
    login_tag = driver.find_element_by_class_name('tang-pass-footerBarULogin')
    login_tag.click()
    time.sleep(1)

    # 4、find_element_by_name 根据name属性查找
    username = driver.find_element_by_name('userName')
    username.send_keys('15622792660')
    time.sleep(1)

    # 5、find_element_by_id 通过id属性名查找
    password = driver.find_element_by_id('TANGRAM__PSP_10__password')
    password.send_keys('*******')
    time.sleep(1)

    # 6、find_element_by_css_selector  根据属性选择器查找
    # 根据id查找登录按钮
    login_submit = driver.find_element_by_css_selector('#TANGRAM__PSP_10__submit')
    # driver.find_element_by_css_selector('.pass-button-submit')
    login_submit.click()

    # 7、find_element_by_tag_name  根据标签名称查找标签
    div = driver.find_element_by_tag_name('div')
    print(div.tag_name)

    time.sleep(10)

finally:
    driver.close()

作业：  爬取快代理（参考爬取西刺代理代码） https://www.kuaidaili.com/free/
        熟悉selenium模块，敲课上例子
       自动登录抽屉新热榜
'''

---恢复内容结束---