Python模拟登入豆瓣网,并爬取小组信息

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python模拟登入豆瓣网,并爬取小组信息相关的知识,希望对你有一定的参考价值。

import requests
from bs4 import BeautifulSoup
from PIL import Image

headers = {
    User-Agent:Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.133 Safari/537.36,
    Referer:https://accounts.douban.com/login?alias=&redir=https%3A%2F%2Fwww.douban.com%2F&source=index_nav&error=1001

}

session = requests.Session()
session.headers.update(headers)

username = input(请输入你的用户名:)
password = input(请输入你的密码:)

url = https://accounts.douban.com/login

def login(username,password,source=index_nav,redir=https://www.douban.com/,login=登录):     #模拟登入函数
    caprcha_id,caprcha_link = get_captcha(url)          #把get_captcha函数返回的值
    if caprcha_id:          #如果有caprcha_id,就执行解析caprcha_link网页信息,并把图片保存下来打开
        img_html = session.get(caprcha_link)
        with open(caprcha.jpg,wb) as f:
            f.write(img_html.content)
        try:
            im = Image.open(caprcha.jpg)
            im.show()
            im.close()
        except:
            print(打开错误)
        caprcha = input(请输入验证码:)      #把看到的验证码图片输入进去
    data = {                    #需要传去的数据
        source:source,
        redir:redir,
        form_email:username,
        form_password:password,
        login:login,
    }
    if caprcha_id:          #如果需要验证码就把下面的两个数据加入到data里面
        data[captcha-id] = caprcha_id
        data[captcha-solution] = caprcha
    html = session.post(url,data=data,headers=headers)
    print(session.cookies.items())


def get_captcha(url):       #解析登入界面,获取caprcha_id和caprcha_link
    html = requests.get(url)
    soup = BeautifulSoup(html.text,lxml)
    caprcha_link = soup.select(#captcha_image)[0][src]
    #lzform > div.item.item-captcha > div > div > input[type="hidden"]:nth-child(3)
    caprcha_id = soup.select(div.captcha_block > input)[1][value]
    return caprcha_id,caprcha_link

login(username,password)
login_url = https://www.douban.com/group/
xiaozu_html = session.get(login_url)
soup = BeautifulSoup(xiaozu_html.text,lxml)
#content > div > div.article > div.topics > table > tbody > tr:nth-child(1) > td.td-subject > a
titles = soup.select(tr.pl > td.td-subject > a.title)
for title in titles:
    print(title[href],title.string)

 

以上是关于Python模拟登入豆瓣网,并爬取小组信息的主要内容,如果未能解决你的问题,请参考以下文章

利用Python自动搜索指定京东商品并爬取商品信息

利用Python自动搜索指定京东商品并爬取商品信息

python requests模拟登陆正方教务管理系统,并爬取成绩

Python爬虫简单实例——豆瓣电影评论数据的爬取

Python+selenium+firefox模拟登录微博并爬取数据(1

python爬取豆瓣小组700+话题加回复啦啦啦python open file with a variable name