利用PhamthonJS+Tor代理爬取网站信息

# -*- coding: utf-8 -*-
"""
Created on Fri Feb 24 13:55:44 2017

@author: wang bei bei
"""
#使用selenium的webdriver的方法
import csv
import os
import time
import re
import threading
from selenium import webdriver
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from selenium.webdriver.common.desired_capabilities import DesiredCapabilities
##进程锁
service_args = [ '--proxy=localhost:9150', '--proxy-type=socks5', ]
stu_id=[]
cet=[]
sex=[]
faculty=[]
crash=0
lock=threading.Lock()
###############获取csv文件中的行数(暂时不用管它....因为没用上)############
def raw_num(filepath):
    count = 0 
    cs=open("C:\\Users\\wang bei bei\\Desktop\\2017.csv","r",errors="ignore")
    reader=csv.reader(cs)
    for index,line in enumerate(reader): 
        count += 1
    cs.close()
    return count
############模拟登陆############
def post_get(html,driver,name,password):
    global writer
    global crash
    global i
    driver.delete_all_cookies()
    grade=""
    #i=0
    driver.get(html)
    #避免加载不完全的防护措施:
    #element=WebDriverWait(driver,65,5).until(EC.presence_of_element_located((By.XPATH,"//*[@id=\"leftH\"]/div/table/tbody/tr[6]/td/span")))
    driver.find_element_by_xpath("//*[@id=\"zkzh\"]").clear()
    driver.find_element_by_xpath("//*[@id=\"zkzh\"]").send_keys(password)
    driver.find_element_by_xpath("//*[@id=\"xm\"]").clear()
    driver.find_element_by_xpath("//*[@id=\"xm\"]").send_keys(name)
    driver.find_element_by_xpath("//*[@id=\"submitCET\"]").click()
    #element=WebDriverWait(driver,40,2).until(EC.presence_of_element_located((By.XPATH,"//*[@id=\"leftH\"]/div/table/tbody/tr[6]/td/span")))
    ip=driver.find_elements_by_xpath("//*[@id=\"leftH\"]/div/table/tbody/tr[6]/td/span")
    #要使用elements才可以递归,其实用xpath更好.......
    for i in ip:
        grade=i.text
    return grade
####################从csv文件读数据############################
def read_out():
    global name 
    global i
    global password
    cs=open("C:\\Users\\XXXXX\\2017.csv","r",errors="ignore")
    reader=csv.reader(cs)
    for num,line in enumerate(reader):
        if(num==0):
            continue
        name.append(line[6])
        password.append(line[5])
        stu_id.append(line[15])
        cet.append(line[1])
        sex.append(line[7])
        faculty.append(line[12])
        #print("准考证号: "+password[len(password)-1]+"  姓名: "+name[len(name)-1])
    cs.close()
##################往csv文件写数据(内嵌爬取网页操作)##########################
def write_in(driver,i):
    global lock
    global csv_file
    global writer
    global error
    grade=0
    #stop 用于计数,如果有哪个倒霉的数据超过多次提交都失败就丢弃到
    stop=1
    html="http://www.chsi.com.cn/cet/"
    while(len(password)!=0):
        #print("第%d个线程"%i)
        try:
            lock.acquire()
            try:
                n=name.pop()
                p=password.pop()
                id=stu_id.pop()
                cet_=cet.pop()
                sex_=sex.pop()
                faculty_=faculty.pop()
            except:
                lock.release()
            lock.release()
            grade=post_get(html,driver,n,p)
            lock.acquire()
            try:
                print("\n第%d个线程:"%i)
                print("准考证号: "+p+"  姓名: "+n)
                print(grade)
                print("Thread still alive:%d"%threading.active_count())
            except:
                print("Some problems in grade printing")
                lock.release()
        except Exception as e:
            print("Exception in grade :")
            print(e)
            #如果出线程爬取6-1次内出了bug则返回栈
            if(stop%6!=0):
                stop=stop+1
                lock.acquire()
                try:
                    password.append(p)
                    name.append(n)
                except:
                    lock.release()
            if(stop%6==0):
                stop=1
                lock.acquire()
                try:
                    print("\n/******write in error.csv")
                    print("第%d个线程:"%i)
                    print("准考证号: "+p+"  姓名: "+n+"******/\n")
                    error.writerow([id,cet_,n,p,sex_,faculty_])
                except:
                    lock.release()
                continue
        try:
            writer.writerow([id,cet_,n,p,sex_,faculty_,grade])
            lock.release()
        except:
            print(">>>>>>>error")
            #print("/*****error in writting.")
            #print("第%d个线程:"%i)
            #print("准考证号: "+p+"  姓名: "+n+"****/")
            try:
                lock.acquire()
                password.append(p)
                name.append(n)
            except:
                lock.release()
    driver.quit()
###########主函数####################
##存储堆栈
threads=[]
password=[]
name=[]
##读取数据到堆栈
read_out()
##############
grade=0
###线程个数
thread_num=6
###csv文件指针等.....####
#html="http://www.chsi.com.cn/cet/"
error_file=open("C:\\Users\\XXXXXX\\error.csv","w",newline="",errors="ignore")
csv_file=open("C:\\Users\\XXXXXX\\result.csv","w",newline="",errors="ignore")
writer=csv.writer(csv_file)
error=csv.writer(error_file)
writer.writerow("fuck!")
error.writerow("fuck!")
###########多进程部分###############
for i in range(thread_num):
    print("第%d个线程入栈:"%i)
    dcap = dict(DesiredCapabilities.PHANTOMJS)
    dcap["phantomjs.page.settings.userAgent"] = ("Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/56.0.2924.87 Safari/537.36")
#修改请求头还有代理    driver=webdriver.PhantomJS(service_args=service_args,desired_capabilities=dcap)
    driver.implicitly_wait(65)
    t=threading.Thread(target=write_in,args=(driver,i))
    threads.append(t)
#开启多线程
for i in range(thread_num):
    print("start第%d个线程"%i)
    threads[i].start()
    #time.sleep(1)
for i in range(thread_num):
    threads[i].join()
#####################################
print("一共花了:")
print(time.clock())
csv_file.close()          
error_file.close()       

跑到最后崩得就剩一个线程在跑了........不知道怎么回事
报错:

Paste_Image.png
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,776评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,527评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,361评论 0 350
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,430评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,511评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,544评论 1 293
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,561评论 3 414
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,315评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,763评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,070评论 2 330
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,235评论 1 343
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,911评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,554评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,173评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,424评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,106评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,103评论 2 352

推荐阅读更多精彩内容

  • 花了整整一个月的时间,把如图左边这本人类简史看完了,很有趣很震撼,它颠覆了我对历史的看法。相信多数人和我一样,觉得...
    small狮子阅读 728评论 4 7
  • 请求与命令 杰克:“我很孤单,希望今晚你能陪我聊聊。” 珍妮:“ 杰克,我今天很累。如果你想今晚有人陪你,你去找其...
    Fly_Catkin阅读 304评论 0 0
  • 步型 夹剪步 头正颈直,微收下颊, 沉肩坠肘,上身正直放松,向下坐身,提肛溜臀,双腿屈膝, 一足在前一足在后,后足...
    时间中的看客阅读 1,533评论 0 0
  • 人生就是一列开往坟墓的列车,路途上会有很多站,很难有人可以自始至终陪着走完。当陪着你的人要下车时,即使不舍也该心存...
    抓住幸福的小yi巴阅读 475评论 2 2