Requests爬虫思路实例

用到的库:requests

爬虫思路

(xxxxxxxxx代表教务网网址,不便传播)

  1. 创建一个Requests会话对象(所有的爬虫步骤都在该会话下进行)。
s = requests.Session()
  1. get教务网的登陆页面,返回的头部信息中的cookies信息。
r = s.get(r'http://kdjw.hnust.cn/kdjw/', headers=kdjw_hed)
cookies = r.headers['Set-Cookie'][0:-12]
  1. 根据获取到cookies信息实时获取当前登录页面的验证码图片信息,并把它的二进制文件信息存储为code.jpg。
r_verifycode = s.get(r'http://xxxxxxxxx/verifycode.servlet', headers=verifycode_hed)
with open('code.jpg','wb') as f:
    f.write(r_verifycode.content)
  1. 请求用户输入验证码,然后把所收到的验证码字符串以及用户输入的学号,密码POST到真正的登录的页面,进而实现模拟登陆。
r_login = s.post(r'http://xxxxxxxxx/Logon.do?method=logon', headers=post_hed, data=login_data)
  1. 模拟登陆后,直接携带cookies POST发送请求给教务网的成绩信息存储页面,进而获得全部成绩信息的原始数据。
r_grades = s.post(r'http://xxxxxxxxx/xszqcjglAction.do?method=queryxscj', headers=grades_hed, data=form_data)
return r_grades.text

获取到成绩信息的原始数据之后,我们就可以进行数据的清洗和整理了~

下面给出该思路的源代码

(大神勿喷,代码并不能直接运行)

import sys
import io
import requests
from PIL import Image

#改变标准输出的默认编码
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf8')

def get_cookies():
    kdjw_hed = {'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate',
        'Accept-Language': 'zh-CN,zh;q=0.9',
        'Cache-Control': 'max-age=0',
        'Connection': 'keep-alive',
        'Host': 'xxxxxxxxx',
        'Upgrade-Insecure-Requests': '1',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
    }
    r = s.get(r'http://xxxxxxxxx/',headers=kdjw_hed)
    #print(r.headers)
    
    #获取到cookies
    cookies = r.headers['Set-Cookie'][0:-12]
    return cookies

def get_verifycode(cookies):
    '根据所得cookies获取验证码'
    
    verifycode_hed = {'Accept': 'image/webp,image/apng,image/*,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate',
        'Accept-Language': 'zh-CN,zh;q=0.9',
        'Connection': 'keep-alive',
        'Cookie': cookies,
        'Host': 'xxxxxxxxx',
        'Referer': 'http://xxxxxxxxx/',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
    }
    #验证码获取
    r_verifycode = s.get(r'http://xxxxxxxxx/verifycode.servlet', headers=verifycode_hed)
    
    with open('code.jpg','wb') as f:
        f.write(r_verifycode.content)
    return True

def show_verifycode():
    '通过Image模块展示验证码图片,并提示用户输入验证码'
    im = Image.open('code.jpg')
    im.show()
    verifycode = input('请输入验证码: ')
    return verifycode
    
def virtual_login(verifycode, cookies, usr, pwd):
    #模拟登陆
    login_data = {'useDogCode': '',
        'USERNAME': usr,
        'PASSWORD': pwd,
        'RANDOMCODE': verifycode}
    post_hed = {'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
        'Accept-Encoding': 'gzip, deflate',
        'Accept-Language': 'zh-CN,zh;q=0.9',
        'Cache-Control': 'max-age=0',
        'Connection': 'keep-alive',
        'Content-Length': '86',
        'Content-Type': 'application/x-www-form-urlencoded',
        'Cookie': cookies,
        'Host': 'xxxxxxxxx',
        'Origin': 'http://xxxxxxxxx',
        'Referer': 'http://xxxxxxxxx/',
        'Upgrade-Insecure-Requests': '1',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
    }
    r_login = s.post(r'http://xxxxxxxxx/Logon.do?method=logon', headers=post_hed, data=login_data)
    r_login.raise_for_status()
    return usr
    
def search_and_get_grades_html(cookies, kksj=''):
    '模拟登陆之后,打开成绩查询页面获取成绩数据'
    form_data = {'kksj': kksj,
        'kcxz': '',
        'kcmc': '',
        'xsfs': 'qbcj',  #全部成绩
        'ok': '',
    }

    grades_hed = {'Accept': 
        'Cookie': cookies,
        'Referer': 'http://xxxxxxxxx/jiaowu/cjgl/xszq/query_xscj.jsp',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36',
    }
    #成绩查询
    r_grades = s.post(r'http://xxxxxxxxx/xszqcjglAction.do?method=queryxscj', headers=grades_hed, data=form_data)
    hed_dict = dict(r_grades.headers)
    try:
        if hed_dict['Content-Length']:
            print('学号、密码或验证码输入错误,请重新输入...')
    except KeyError:
        print('成功获取成绩数据!!!')
    return r_grades.text
        
def get_code_in_file():
    global s, cookies_
    s = requests.Session()
    #cookies
    cookies_ = get_cookies()
    #更新验证码code.jpg
    get_verifycode(cookies_)
    return cookies_

def main(verifycode_, cookies_, usr_='', pwd_='', kksj_=''):
    #登陆获取数据
    if usr_ == '' or pwd_ == '':
        username = virtual_login(verifycode_, cookies_)
    else:
        username = virtual_login(verifycode_, cookies_, usr_, pwd_)
    if kksj_ == '':
        orignal_html = search_and_get_grades_html(cookies_)
    else:
        orignal_html = search_and_get_grades_html(cookies_, kksj_)
    return orignal_html, username

if __name__ == '__main__':
    cookies = get_code_in_file()
    show_verifycode()
    main(verifycode_=input('验证码:'), cookies_=cookies, usr_=input('学号:'), pwd_=input('密码:'), kksj_='')

公众号:胜言
个人博客:wangsheng.tech

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 219,589评论 6 508
  • 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 93,615评论 3 396
  • 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 165,933评论 0 356
  • 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 58,976评论 1 295
  • 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 67,999评论 6 393
  • 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 51,775评论 1 307
  • 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 40,474评论 3 420
  • 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 39,359评论 0 276
  • 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 45,854评论 1 317
  • 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 38,007评论 3 338
  • 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 40,146评论 1 351
  • 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 35,826评论 5 346
  • 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 41,484评论 3 331
  • 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 32,029评论 0 22
  • 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 33,153评论 1 272
  • 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 48,420评论 3 373
  • 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 45,107评论 2 356

推荐阅读更多精彩内容