假如你已经开始学python,对爬虫没有头绪,不妨看看这几个案例!

bigdataway 提交于 周二, 06/19/2018 - 18:17

一、论述

这几个案例以前是给一些想进入Python行业的朋友写的,看到大家都比较满意,所以就再次拿了出来,如果你已经开始学python,对爬虫没有头绪,不妨看看这几个案例!

二、环境准备

Python 3

requests库 、lxml库、beautifulsoup4库

pip install XX XX XX一并安装。

三、Python爬虫小案例

1、获取本机的公网IP地址

利用python的requests库+公网上查IP的接口,自动获取IP地址

2、利用百度的查找接口,Python编写url采集工具

需要用到requests库、BeautifulSoup库,观察百度搜索结构的URL链接规律,绕过百度搜索引擎的反爬虫机制的方法为在程序中设置User-Agent请求头。

Python源代码:

Python语言编写好程序后,利用关键词inurl:/dede/login.php 来批量提取某网cms的后台地址:

3、利用Python打造搜狗壁纸自动下载爬虫

搜狗壁纸的地址是json格式,所以用json库解析这组数据,爬虫程序存放图片的磁盘路径改成欲存图片的路径就可以了。

效果图:

4、Python自动填写问卷调查

与一般网页一样,多次提交数据会要输入验证码,这就是反爬机制。

如图:

那么如何绕过验证码的反爬措施?利用X-Forwarded-For伪造IP地址访问即可,Python代码如下:

效果:

5、获取西刺代理上的IP,验证这些代理被封禁掉的可能性与延迟时间

可以把Python爬取的代理IP添加到proxychain里面,就可以进行一般的渗透任务了。这里直接调用了linux的系统命令ping -c 1 " + ip.string + " | awk 'NR==2{print}' - ,在Windows中运行此程序需要修改倒数第三行os.popen里的命令,修改为Windows能够执行的就可以了。

爬取到的数据如图:

演示:

结论

其实我们能够用python做许多非常有趣的事。假如说上面的爬虫小案例未能够完全理解,那还请继续学习Python基础知识。

标签
分类