python抓取需要掃微信登陸頁(yè)面

更新時(shí)間：2019年04月29日 11:43:43 作者：lai_cheng

這篇文章主要介紹了python抓取需要掃微信登陸頁(yè)面的相關(guān)知識(shí)，非常不錯(cuò)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下

一，抓取情況描述

1.抓取的頁(yè)面需要登陸，以公司網(wǎng)頁(yè)為例，登陸網(wǎng)址https://app-ticketsys.hezongyun.com/index.php ,(該網(wǎng)頁(yè)登陸方式微信掃碼登陸）

2.需要抓取的內(nèi)容如下圖所示：

需要提取

工單對(duì)應(yīng)編號(hào)，如TK-2960

工單發(fā)起時(shí)間，如2018-08-17 11:12:13

工單標(biāo)題內(nèi)容，如設(shè)備故障

工單正文內(nèi)容，如最紅框所示

二，網(wǎng)頁(yè)分析

1.按按Ctrl + Shift + I或者鼠標(biāo)右鍵點(diǎn)擊檢查進(jìn)入開(kāi)發(fā)人員工具。

可以看到頁(yè)面顯示如下：

主要關(guān)注點(diǎn)如上圖框住和劃線處

首先點(diǎn)擊網(wǎng)絡(luò)，記住以下信息將用于代碼修改處。

Resquest URL：https： //app-ticketsys.hezongyun.com/index.php/ticket/ticket_list/init這個(gè)是需要爬取頁(yè)面的信息請(qǐng)求Menthod：GET餅干：用于需要登陸頁(yè)面User-Agent：Mozilla / 5.0（Windows NT 10.0; Win64; x64）AppleWebKit / 537.36（KHTML，類似Gecko）Chrome / 67.0.3396.62 Safari / 537.36

記住以上信息后粗略了解網(wǎng)頁(yè)樹(shù)形結(jié)構(gòu)用BeatifulSoup中SELEC怎么取出內(nèi)容

示例：的H1M1一段代碼如下：

html =“”“
<html> <head> <title>睡鼠的故事</ title> </ head>
<body>
<p class =”title“name =”dromouse“> <b>睡鼠的故事</ b > </ p>
<p class =“story”>從前有三個(gè)小姐妹;他們的名字是
<a href =“http://example.com/elsie”class =“sister”id =“ link1“> <！ - Elsie - > </a>，
<a  rel="external nofollow" class="sister" id="link2"> Lacie </a>和
<a href =“http://example.com/tillie”class =“sister”id =“l(fā)ink3”> Tillie </a>;
他們住在井底。</ p>
<p class =“story”> ... </ p>
“”“

如果我們喝湯得到了上面那段HTML的結(jié)構(gòu)提取內(nèi)容方法如下

1.通過(guò)標(biāo)簽名查找soup.select（ '標(biāo)題'），如需要取出含有一個(gè)標(biāo)簽的內(nèi)容則soup.select（ 'a'）的

2.通過(guò)類名查找soup.select（ 'CLASS_NAME '）如取出標(biāo)題的內(nèi)容則soup.select（'。標(biāo)題'）

3.通過(guò)ID名字查找soup.select（ '＃ID_NAME'）如取出ID = LINK2的內(nèi)容則soup.select（ '＃LINK2'）

上述元素名字可以利用左上角箭頭取出，如下圖

三，程序編寫(xiě)

# -*- coding:utf-8 -*-
import requests
import sys
import io
from bs4 import BeautifulSoup
import sys
import xlwt
import urllib,urllib2
import re
def get_text():
  #登錄后才能訪問(wèn)的網(wǎng)頁(yè)，這個(gè)就是我們?cè)趎etwork里查看到的Request URL
  url = 'https://app-ticketsys.hezongyun.com/index.php/ticket/ticket_iframe/'
  #瀏覽器登錄后得到的cookie,這個(gè)就是我們?cè)趎etwork里查看到的Coockie
  cookie_str = r'ci_ticketsys_session=‘***********************************'
  #把cookie字符串處理成字典
  cookies = {}
  for line in cookie_str.split(';'):
    key, value = line.split('=', 1)
    cookies[key] = value
  #設(shè)置請(qǐng)求頭
  headers = {'User-Agent':'Mozilla/5.0(Windows NT 10.0; Win64;x64)AppleWebKit/537.36 (KHTML, like Gecko)Chrome/67.0.3396.62 Safari/537.36'}
  #在發(fā)送get請(qǐng)求時(shí)帶上請(qǐng)求頭和cookies
  resp = requests.get(url, cookies = cookies,headers = headers)
  soup = BeautifulSoup(resp.text,"html.parser")
  print soup

上述代碼就能得到登陸網(wǎng)頁(yè)的HTML源碼，這個(gè)源碼呈一個(gè)樹(shù)形結(jié)構(gòu)，接下來(lái)針對(duì)需求我們提取需要的內(nèi)容進(jìn)行提取

我們需要工單號(hào)，對(duì)應(yīng)時(shí)間，對(duì)應(yīng)標(biāo)題

按箭頭點(diǎn)擊到對(duì)應(yīng)工單大塊，可以查詢到，所有的工單號(hào)，工單發(fā)起時(shí)間，工單標(biāo)題均在<ul id =“ticket-list”>這個(gè)id下面

那么點(diǎn)開(kāi)一個(gè)工單結(jié)構(gòu)，例如工單號(hào)ID = “4427” 下面我們需要知道工單號(hào)，工單發(fā)起時(shí)間，工單內(nèi)容可以看到

1.工單內(nèi)容在H3標(biāo)簽下面

2.工單編號(hào)在類=“NUM”下面

3.工單發(fā)起時(shí)間在類= “時(shí)間” 下面

for soups in soup.select('#ticket-list'):
  if len(soups.select('h3'))>0:
    id_num = soups.select('.num')
    star_time = soups.select('.time')
    h3 = soups.select('h3')
    print id_num,start_time,h3

總結(jié)

以上所述是小編給大家介紹的python抓取需要掃微信登陸頁(yè)面,希望對(duì)大家有所幫助，如果大家有任何疑問(wèn)請(qǐng)給我留言，小編會(huì)及時(shí)回復(fù)大家的。在此也非常感謝大家對(duì)腳本之家網(wǎng)站的支持！
如果你覺(jué)得本文對(duì)你有幫助，歡迎轉(zhuǎn)載，煩請(qǐng)注明出處，謝謝！

您可能感興趣的文章: