皆さんこんにちは、ペイソンソースです。
誰もがクローラーを作成する必要があり、単純なクローラーはリクエストを使用するだけでよいと思います。複雑なクローラーに遭遇した場合、要求ヘッダーとパラメーター情報をプログラムに追加する必要があります。このようなもの:
一般的な手順は、まずブラウザのネットワーク リクエストで必要なリクエストを見つけ、次にリクエスト ヘッダーとパラメータ情報を 1 つずつプログラムにコピーすることです。
毎回これを行うのは面倒で、間違いを犯しやすい場合もあります。
今日は、ブラウザーの要求ヘッダー情報をクローラーが必要とするコードに自動的に解析できるアーティファクトを紹介します。
インストール
まず、この成果物をインストールする必要があります。
pip install filestools -U
Alibaba Cloud を使用して高速化することもできます。
pip install filestools --index-url=http://mirrors.aliyun.com/pypi/simple -U
もちろん、最新バージョンをダウンロードしたい場合は、次のコマンドを使用できます。
pip install filestools --index-url https://pypi.org/simple/ -U
使用
このアーティファクトの使用も非常に簡単です。
最初のステップは、ブラウザの機能を使用して、必要なリクエスト ヘッダー情報をネットワークからコピーすることです。
次に、コピーしたコンテンツを変換プログラムに貼り付けます。
from curl2py.curlParseTool import curlCmdGenPyScript
curl_cmd = """curl 'http://www.shixi.com/search/index?key=python'
-H 'Connection: keep-alive'
-H 'Cache-Control: max-age=0'
-H 'Upgrade-Insecure-Requests: 1'
-H 'User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
-H 'Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9'
-H 'Referer: http://www.shixi.com/'
-H 'Accept-Language: zh-CN,zh;q=0.9'
-H 'Cookie: UM_distinctid=17a50a2c8ea537-046c01e944e72f-6373267-100200-17a50a2c8eb4ff; PHPSESSID=rpprvtdrcrvt54fkr7msgcde17; CNZZDATA1261027457=1711789791-1624850487-https%253A%252F%252Fwww.baidu.com%252F%7C1627741311; Hm_lvt_536f42de0bcce9241264ac5d50172db7=1627741268; Hm_lpvt_536f42de0bcce9241264ac5d50172db7=1627741334'
--compressed
--insecure"""
output = curlCmdGenPyScript(curl_cmd)
print(output)
ここでcurl_cmdに入れるだけです。
最後に、プログラムを実行すると、次のように出力ウィンドウにコードが表示されます。
#######################################
# The generated by curl2py.
# author:小小明
#######################################
import requests
import json
headers = {
"Connection": "keep-alive",
"Cache-Control": "max-age=0",
"Upgrade-Insecure-Requests": "1",
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36",
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9",
"Referer": "http://www.shixi.com/",
"Accept-Language": "zh-CN,zh;q=0.9"
}
cookies = {
"UM_distinctid": "17a50a2c8ea537-046c01e944e72f-6373267-100200-17a50a2c8eb4ff",
"PHPSESSID": "rpprvtdrcrvt54fkr7msgcde17",
"CNZZDATA1261027457": "1711789791-1624850487-https%253A%252F%252Fwww.baidu.com%252F%7C1627741311",
"Hm_lvt_536f42de0bcce9241264ac5d50172db7": "1627741268",
"Hm_lpvt_536f42de0bcce9241264ac5d50172db7": "1627741334"
}
params = {
"key": "python"
}
res = requests.get(
"http://www.shixi.com/search/index",
params=params,
headers=headers,
cookies=cookies
)
print(res.text)
必要に応じて、これらのコードをクローラーにコピーするだけです。
要約する
これは実際には非常に単純なプログラムですが、コード作成プロセスの問題点を解決し、コード作成の効率を向上させることができます。
私は今でもこの「シャオ・シャオミン」クラスメートに非常に感謝し、尊敬しています。彼はコード農家の中で本当に思いやりのある人です。
交換グループ
2ヶ月の時を経て、Moyuの学びと交流の会が期間限定で再開します。
パイソン技術交流会(主に技術交流、釣り、無料売春講座)随時開催中 興味のある方は下記の公式アカウントに返信してください 666 エントリー可 一緒に100日プランも !
古いルール、覚えていますか、右下隅にある「探している」をクリックしてください。記事の内容が良いと思われる場合は、モーメントで共有して、より多くの人に知らせることを忘れないでください!
【不思議なギフトパックの入手方法】
以下の公式アカウントを特定し、返信: 1024