网站已打码,代码拿出来大家一起学习讨论,有问题的地方还请大佬不吝赐教
学习内容
爬取某发卡网的购买记录.(初步考虑穷举法爬取)
学习过程
添加必要的库,创建一个BUY类 class Color:
- def __init__(self):
- '''添加请求头'''
- self.headers = {
- 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
- '(KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36',
- }
- #添加查询订单地址
- self.port = 'http://xxxxxx.xxfaka.cn/?mod=query&data=xxxxxxxxxxx'
- '''请求视频网页链接'''
- def request_link(self):
- self.response = requests.get(self.port, headers=self.headers)
- self.html = self.response.text
- print(self.html)
- if __name__ == '__main__':
- app= Color()
- app.request_link()
复制代码
直接运行发现拿到的数据是这样的(有点多就不全显示了) var sec_defend_time……etCookie'sec_defend_time'…[][+!![]]+![]+[][+… 后来搜了点资料发现可能需要加cookie,然后又去网页找到cookie添加到请求头,然后headers就成这样了
- self.headers = {
- 'Cookie':'mysid=bcd178f6a7784bdaf63c03e321cfb77a; PHPSESSID=gml9nd9psrik73840v6jem6mm4; sec_defend=baa2a7703f2f3326fa7a366428aef295ac40ff679f2fec0284578de88e87bcac; sec_defend_time=1',
- 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
- '(KHTML, like Gecko) Chrome/77.0.3560.141 Safari/537.36',
- }
复制代码
我们再次运行代码就可以拿到网页数据了 初步打算一次直接匹配一个订单全部消息,但是发现有对括号导致一直匹配内容为空 - </span> (<font size="2" color="#836FFF">2020-12-24 01:09:09</font>)<br>…太长了…<hr>
复制代码我用俩个replace将括号替换为空 - self.html = self.html.replace('(','')
- self.html = self.html.replace(')', '')
- re.findall(r'…(.*?)…(.*?)…',self.html)
复制代码就这样直接匹配了六七个(.?)内容,发现总是不能准确扣到具体内容,有可能好几条订单被扣到一个(.?)里面。于是就换了个思路,一条语句扣一个内容,之后在for循环将对应数据放到一个列表,然后整体再放入列表组成二维列表 - #获取订单时间
- self.order_time = re.findall(r'<font size=".*?" color="#836FFF">(.*?)</font>.*?<br><h4>商品名称:<a href="\./\?mod=buy&tid=\w?\w?\w?\w?">(.*?)</a></h4>联系方式:.*?总价<font color=".*?">(.*?)</font>元.*?</strong></font>(.*?)<hr>',self.html)
- #获取商品名称
- self.pur_info = re.findall(r'',self.html)
- #获取订单联系方式
- self.contact_info = re.findall(r'',self.html)
- #获取订单总价
- self.price_total = re.findall(r'总价<font color=".*?">(.*?)</font>元',self.html)
- #获取账号不完全信息
- self.km_info = re.findall(r'</strong></font>(.*?)<hr>',self.html)
- #获取下单总数
- self.num_total = re.findall(r'<li><span class="rows">共(.*?)条</span> </li>', self.html)
- temp_info =[]
- for i in range(0,len(self.order_time)):
- for lie in range(0,6):#lie
- temp_info.append(self.order_time[lie])
- temp_info.append(self.pur_info[lie])
- temp_info.append(self.contact_info[lie])
- temp_info.append(self.price_total[lie])
- temp_info.append(self.km_info[lie])
- temp_info.append(self.num_total[0])
- temp_info.append(''.join(temp_info))
- self.account_info.append(list(temp_info))
- print(self.account_info)
复制代码写出来基本就是上面这样,运行发现四五秒以后直接卡死,然后,,,,半小时没动断点重新开机了,代码没保存今天再运行append那就报错了,想了半天没想出来就打算放弃这种方法,重新回到之前的思路,把数据一次都提取出来,既然这单个的都准确提取了,没准放到一起就可以了呢。想到就做把每个放到一起连接起来运行,结果直接生成了二维数据,成了!!! 然后我们开始转二维列表 - for i in range(0,len(self.info)):
- self.info[i] = list(self.info[i])
- #通过这里来判断订单的三种情况
- km_info = re.findall(r'>账号信息:(.*?)</b><br>',self.info[i][5])
- if km_info==[]:
- km_info = re.findall(r'</b><span class="(.*?)">卡密可能漏发,请联系客服</span>',self.info[i][5])
- if km_info == []:
- km_net = re.findall(r'<br>卡密操作:<a href=".(.*?)" title="点击查看卡密"><button', self.info[i][5])
- km_net = self.port +(''.join(km_net))#多张卡密提取链接
- #尚未完成一个单子多张卡密提取
- self.info[i][5] = km_info
复制代码
到这里就初步的提取工作就完成了
PS:后面写的代码目前还没到自己想要的效果就先不放了,帖子后续会持续更新
发帖不易,小伙伴给个免费的评分,支持我一下,非常感谢
|