python入门-----爬取汽车之家新闻,---自动登陆抽屉并点赞,

爬取汽车之家新闻,代码以下

import requests
res=requests.get(url='https://www.autohome.com.cn/news/')  #向汽车直接发起get请求,获取请求数据
res.encoding=res.apparent_encoding  #把html的编码方式指定给res,避免编码方式不匹配乱码

from bs4 import BeautifulSoup
soup=BeautifulSoup(res.text,'html.parser')
div=soup.find(name='div',id="auto-channel-lazyload-article") #获取id为'auto-channel-lazyload-article'的div标签
li_list=div.find_all(name='li') #获取全部的li标签,生成列表,而后遍历获取每隔li标签的数据
for li in li_list:
    h3=li.find(name='h3')
    if h3:#若是h3标签不存在后面的代码会报错,故如h3标签为空,则跳过
        print(h3.text) #获取h3标签的文本
        p = li.find(name='p')
        print(p.text)#获取p标签的文本
        #获取li标签中的a标签,获取href并剔除//
        a = li.find(name='a')
        href=a.get('href')
        href_url=href.split("//")[1]
        print(href_url)
        print("  " * 20)

View Code

自动登陆抽屉,并点赞

# 该url登陆及点赞操做均需携带登陆前的cookie,故get请求后先获取cookie
import requests
from bs4 import BeautifulSoup

#向url发起请求,获取cookie
res=requests.get(
    url='https://dig.chouti.com/',
    headers={'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"}
)
res_cookie=res.cookies.get_dict()
#因为需点赞该页面全部新闻,需获取全部新闻的url的id.该id在class为discus-a的a标签中,故先获取全部的a标签,便于后续遍历获取id
soup=BeautifulSoup(res.text,'html.parser')
a_list=soup.find_all(name='a',attrs={'class':'discus-a'})

# 登陆抽屉
login=requests.request(
    url='https://dig.chouti.com/login',
    method='POST',
    headers={'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'},
    data={'phone':'8618857172792',
          'password':'Z123456z@',
          'oneMonth':'1',
          },
    cookies=res_cookie
)


#遍历获取id点赞
for a in a_list:
    id=a.get('lang')
    res=requests.request(
        method='POST',
        url='https://dig.chouti.com/link/vote?linksId='+id,
        headers={'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'},
        cookies=res_cookie,

    )
    print(res.text)
    print('*'*20)

View Code

爬虫本质:编写程序,模拟浏览器发送请求获取网站信息.requests请求中常见参数参数:    method:网络请求方式.如get/post.    url:请求的域名/ip地址    heards:请求头.例                headers={                    'user-agent': "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.84 Safari/537.36"}                #user-agent指请求的终端信息    cookies:cookie    params:url中传参数                如:params={'user':'tom','pwd':'123'} #同等于http://www.xxx.com?user=tom&pwd=123,    data:请求体中传值    json:转换请求体中的格式:                如data={'user':'tom','pwd':'123'},请求体中数据为user=tom&pwd=123,json转换后为"{'user':'tom','pwd':'123'}"                data=json.dumps{'user':'tom','pwd':'123'}效果同等于json={'user':'tom','pwd':'123'}    files:文件参数.例:                file_dict={                'f1':('新的文件名',open('文件名','rb')) #参数2可传文件句柄或文件内容                }                files=file_dict    auth:基本的认证方式 (不多用,经常使用于弹窗认证登陆) 例                from requests.auth import HTTPBasicAuth,HTTPDigestAuth                ret=requests.get(                    url='',                    auth=HTTPBasicAuth('tom','123456')                    )                print(ret.text)    timeout:超时时间,例                ret=request.get(url='www.***.com',timeout=(10,1))#参数1是响应时间最多10秒,参数2是请求时间最多等1秒,超时后则中止    allow_redirects:是否重定向    proxies:代理ip  例                proxies={'http':'**.**.**.**','https':'**.**.**.**'} #访问 http使用**ip;访问https,使用**ip                proxies={'http://**.**.**.**':'http://**.**.**.**:**'}# 访问**ip,使用**代理                注:如代理须要使用用户名密码,则需导入HTTPProxyAuth.                    from requests.auth import HTTPProxyAuth                    proxies_dict={'http':'**.**.**.**','https':'**.**.**.**'}                    auth=HTTPProxyAuth{'user','passwd'}                    res=requests.get(url='',proxies=proxies_dict,auth=auth)                    print(res.text)    stream:下载大文件时候使用,相似迭代器的上下文管理.例                1.  res=requests.get(url='https://www.autohome.com.cn/news/')                    for i in res.iter_content():                        print(i)                2.  form contextlib importan closing                    with closing(requests.get('https://www.autohome.com.cn/news/',stream=True)) as r;                    for i in r.iter_content():                        print(i)    cert:证书(本质是对数据加密),如https和http的区别    verify:在证书验证的过程当中进行确认例:    import requests    requests.get(        url="http://www.xxx.com",        params={'user':'tom','pwd':'123'} #同等于http://www.xxx.com?user=tom&pwd=123,        heards={},        cookies={}    )    requests.post(        url="http://www.xxx.com",        params={'user':'tom','pwd':'123'} #同等于http://www.xxx.com?user=tom&pwd=123,        heards={},        cookies={},        data={},  #get请求中没有请求体,故没有data    )