欢迎光临散文网 会员登陆 & 注册

Python爬虫:爬过这些网站,你才敢说自己会爬虫!

2023-08-15 15:09 作者:10点就睡的大发学长  | 我要投稿


网络上有形形色色的网站,不同类型的网站爬虫策略不同,难易程度也不一样。从是否需要登陆这方面来说,一些简单网站不需要登陆就可以爬,比如之前爬过的猫眼电影、东方财富网等。有一些网站需要先登陆才能爬,比如知乎、微信等。这类网站在模拟登陆时需要处理验证码、js 加密参数这些问题,爬取难度会大很多。费很大力气登陆进去后才能爬取想要的内容,很花时间。

这是我给大家准备的python爬虫学习资料:


是不是一定要自己动手去实现每一个网站的模拟登陆方法呢,从效率上来讲,其实大可不必,已经有前人替我们造好轮子了。

最近发现一个神库,汇总了数十个主流网站的模拟登陆方法:

  • 知乎

  • 微信网页版登录并获取好友列表

  • Bilibili

  • Facebook

  • 无需身份验证即可抓取Twitter前端API

  • 微博网页版

  • QQZone

  • CSDN

  • 淘宝

  • Baidu

  • 果壳

  • JingDong 模拟登录

  • 163mail

  • 拉钩

  • 豆瓣

  • Baidu2

  • 猎聘网

  • Github

  • 爬取图虫相应的图片

  • 网易云音乐

  • 糗事百科

这些网站基本采用的是直接登录或者 selenium+webdriver 方式。每一个网站都有完整的模拟登陆代码,拿来就可以用到自己的爬虫中。

下面我们来测试一下。

先说说很难爬的「知乎」,假如我们想爬取知乎主页的 HTML 内容,就必须要先登陆才能爬,不然看不到这个界面。下面来简单梳理一下流程。


知乎需要手机号才能注册登陆。为了方便测试,可以随便找个手机号,手机号到哪儿去找呢,两个神网站保护你的隐私 这篇文章里介绍了一个免费电话号码网站,用上面的手机号可以成功注册。


顺利登录后就可以进入主页了。

下面,我们用这个库提供的代码来模拟登陆,输出主页 HTML 内容作测试。操作很简单,只需要输入手机号、密码和验证码就可以了。


成功登陆后,接下来就可以做一些有意思的事了。比如曾有人爬取所有知乎账号的信息,分析了知乎用户群体画像。

是不是有点意思。

再来看看微信。用上面的微信代码可以把全部微信好友信息爬取下来,比如:昵称、性别、地域、个性签名。接着可以分析一下你的朋友圈是什么样的,应该会很有趣。


还可以爬 B 站:


还可以爬链家租房信息:


还有很多实用有趣的内容,就不一个一个去罗列了!


文章整理不易,还请各位大佬们多多支持~

获取方式:

一键三连+关注        (重点)

后台主动留下痕迹:“资料”(重点)   

 

Python爬虫:爬过这些网站,你才敢说自己会爬虫!的评论 (共 条)

分享到微博请遵守国家法律