国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

記爬取CET4級(jí)網(wǎng)站的那一夜

huayeluoliuhen / 2293人閱讀

摘要：四級(jí)報(bào)名網(wǎng)站為了公平公正，將每個(gè)報(bào)名學(xué)生的基本信息姓名學(xué)號(hào)大頭照?qǐng)?bào)考等級(jí)放在了網(wǎng)上，這樣同學(xué)院同年級(jí)的同學(xué)就可以進(jìn)行監(jiān)督。正則表達(dá)式爬取的信息文件靠你了接下來就是用搭一個(gè)搜索引擎了。

首先: 
中秋節(jié)快樂
然后: 
沒有了...
回寢室之前在304的晚上

轉(zhuǎn)眼間就大二了，于是就要考四級(jí)，考四級(jí)就要報(bào)名，于是去了報(bào)名網(wǎng)站http://cet.tinyin.net/accuse.asp, 上傳了照片，報(bào)了名,理論上就結(jié)束了。但是，中秋要來了，我要做點(diǎn)什么。

四級(jí)報(bào)名網(wǎng)站為了公平公正，將每個(gè)報(bào)名學(xué)生的基本信息(姓名、學(xué)號(hào)、大頭照、報(bào)考等級(jí))放在了網(wǎng)上，這樣同學(xué)院、同年級(jí)的同學(xué)就可以進(jìn)行監(jiān)督。不得不說，證件照是很吸引人的部分，于是我審查了頁(yè)面元素，希望可以發(fā)現(xiàn)更多a。


 

CET4網(wǎng)站為了防我這種好奇心很強(qiáng)的人還是做了一些處理，登錄url/login.asp實(shí)際上是一個(gè)refer，真正的登錄url是http://cet.tinyin.net/reginfo.asp|573597a1f9200a18be60068dca9ced0f7|，我要做的，就是利用我的用戶名和密碼登入網(wǎng)站，獲取cookie，然后利用cookie進(jìn)行后續(xù)登錄。當(dāng)然，首先需要把我自己變成瀏覽器啦


def __init__(self):
    self.user_agent = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.10; rv:42.0) Gecko/20100101 Firefox/42.0"
    self.headers = {
            "User-Agent":self.user_agent,
            "Referer":"http://cet.tinyin.net/login.asp",
            "Accept-encoding":"gzip"
    }
    self.postdata = urllib.urlencode({
            "stype":"#",
            "stuno":"2014214761",
            "stupwd":"密碼就不說了"
    })



然后就是登錄獲取cookie


def analog_login(self):
    """
    登錄cet4網(wǎng)站，獲取cookie，并將
    cookie保存至文件
    """
    filename = "cet4_cookie.txt"
    cookie = cookielib.MozillaCookieJar(filename)
    opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cookie))

    login_url = "http://cet.tinyin.net/reginfo.asp"
    request = urllib2.Request(login_url, self.postdata, self.headers)
    opener.open(request)
    cookie.save(ignore_discard=True, ignore_expires=True)



cookie get!!!


# Netscape HTTP Cookie File
# http://www.netscape.com/newsref/std/cookie_spec.html
# This is a generated file!  Do not edit.

cet.tinyin.net    FALSE    /    FALSE        ASPSESSlllllDAQBASRAC    LKNFEMDCDOLABMFPLLLLL


該正則表達(dá)式上場(chǎng)了!

首先實(shí)驗(yàn)一下，cookie能否正常使用, 嘗試訪問 http://cet.tinyin.net/accuse.asp 頁(yè)面, cookie是沒問題，但是html卻是中文亂碼，沒關(guān)系，改成utf-8，就行


html = response.read().decode("gbk").encode("utf-8’)



 

現(xiàn)在，一切都豁然開朗了，我只需要爬取標(biāo)簽，將獲取的學(xué)號(hào)和姓名寫入文件就行了。


正則表達(dá)式 parttern = re.compile("(.*?)

(.*?)

", re.S)



爬取的信息文件 

flask 靠你了

接下來就是用flask搭一個(gè)搜索引擎了。在文字編碼這一塊用了很長(zhǎng)時(shí)間，因?yàn)楸韱蔚妮斎霐?shù)據(jù)編碼和文件的編碼是不匹配的，經(jīng)過幾次實(shí)驗(yàn)，我發(fā)現(xiàn)需要將表單輸入數(shù)據(jù)decode為漢字編碼


name = form.name.data.decode("utf-8")



編碼真頭痛！！看一下這篇吧http://dengshuan.me/misc/xi-shuo-bian-ma... 

ok了

 

備注
實(shí)際的過程沒有上面說的這么的一氣呵成，中間還睡了一覺?
兩瓶啤酒沒有喝完
信息都是公開的，應(yīng)該沒有侵犯隱私吧?
開心就好?

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://m.specialneedsforspecialkids.com/yun/37869.html

相關(guān)文章

  • Python爬蟲神器pyppeteer，對(duì) js 加密降維打擊

    摘要：爬蟲神器，對(duì)加密降維打擊是對(duì)無頭瀏覽器的封裝。使用等其他無頭瀏覽器的最大優(yōu)勢(shì)當(dāng)然是對(duì)加密實(shí)行降維打擊，完全無視加密手段，對(duì)于一些需要登錄的應(yīng)用，也可以模擬點(diǎn)擊然后保存。請(qǐng)求過濾你的那一段頁(yè)面自動(dòng)下拉腳本 爬蟲神器pyppeteer，對(duì) js 加密降維打擊 pyppeteer?是對(duì)無頭瀏覽器?puppeteer的 Python 封裝。無頭瀏覽器廣泛用于自動(dòng)化測(cè)試，同時(shí)也是一種很好地爬蟲思...

    Karuru 評(píng)論0 收藏0

  • Python 詞云分析周杰倫《晴天》

    摘要：詞云可以通過網(wǎng)站紐扣詞云來制作，然而可以通過代碼來實(shí)現(xiàn)，下面開始吧。 詞云可以通過網(wǎng)站 https://wordart.com/ 紐扣詞云http://cloud.niucodata.com/ 來制作，然而 Python 可以通過代碼來實(shí)現(xiàn)，下面開始吧。 showImg(https://segmentfault.com/img/bVQzIx?w=874&h=416); pip inst...

    DoINsiSt 評(píng)論0 收藏0

  • 爬蟲初級(jí)操作（一）

    摘要：一個(gè)對(duì)應(yīng)相應(yīng)的狀態(tài)碼，狀態(tài)碼表示協(xié)議所返回的響應(yīng)的狀態(tài)。下面將狀態(tài)碼歸結(jié)如下繼續(xù)客戶端應(yīng)當(dāng)繼續(xù)發(fā)送請(qǐng)求。繼續(xù)處理由擴(kuò)展的狀態(tài)碼，代表處理將被繼續(xù)執(zhí)行。處理方式丟棄該狀態(tài)碼不被的應(yīng)用程序直接使用，只是作為類型回應(yīng)的默認(rèn)解釋。 本篇內(nèi)容為 python 網(wǎng)絡(luò)爬蟲初級(jí)操作，內(nèi)容主要有以下 3 部分： python 關(guān)于爬蟲的一些基本操作和知識(shí) 靜態(tài)網(wǎng)頁(yè)抓取 動(dòng)態(tài)網(wǎng)頁(yè)抓取 基本操作和知識(shí)...

    Ocean 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<