#!/usr/bin/env python
# _*_ coding:utf-8 _*_
__author__ = 'junxi'
import urllib.request
import http.cookiejar
import re
import time
import urllib.parse
# 写爬虫不是先写代码,而是先分析网站
'''
爬虫
VIP 一个问题
收费内容
权限, 账号, 登录
第一步:
登录请求 url: http://www.ks5u.com/user/inc/UserLogin_Index.asp
登录请求数据: username=666666&password=666666&c_add=1
请求方式: POST
登录成功之后 cookies身份认证
NO cookie身份证
ajax 异步加载
第二步: 获取内容列表
[]: list 列表 元组
第三步: 获取下载链接
http://www.ks5u.com/USER/INC/Downsch.asp?id=1890066
'''
# 创建一个 cookie对象来保存 cookie
cookie = http.cookiejar.CookieJar()
# 创建一个 cookie对象
handler = urllib.request.HTTPCookieProcessor(cookie)
# 构建一个 handler对象
opener = urllib.request.build_opener(handler, urllib.request.HTTPHandler)
urllib.request.install_opener(opener)
# opener可以直接打开网站
username = '666666'
password = '666666'
params = {
'username': '666666',
'password': '666666',
'c_add': '1',
}
headers = {
'Accept': '*/*',
'Accept-Encoding': 'gzip, deflate',
'Accept-Language': 'zh-CN,zh;q=0.8,en;q=0.6',
'Connection': 'keep-alive',
'Content-Length': '49',
'Content-type': 'application/x-www-form-urlencoded',
'Host': 'www.ks5u.com',
'Origin:http': '//www.ks5u.com',
'Referer': 'http://www.ks5u.com/',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36',
}
# url = 'http://www.ks5u.com/'
url = "http://www.ks5u.com/user/inc/UserLogin_Index.asp"
# url1 = 'http://www.ks5u.com/user/inc/Login_Index.asp'
data = urllib.parse.urlencode(params).encode()
def login():
req = urllib.request.Request(url=url, data=data)
# html = urllib.request.urlopen(url='http://www.ks5u.com/user/inc/UserLogin_Index.asp', data='username=666666&password=666666&c_add=1').read()
html = opener.open(req).read().decode('gbk')
return html
# print(html)
if '666666' in login():
print('登录成功')
else:
print('登录失败')
def get_list():
data_dic = {
'xueke': '1',
'shenfen': '32',
}
data = urllib.parse.urlencode(data_dic).encode()
req = urllib.request.Request('http://www.ks5u.com/zhuantimoni/ashx/jinbang.ashx',data=data)
# req.data('xueke=1&shenfen=32')
html = opener.open(req).read()
html = str(html, 'utf-8') # 解决中文乱码问题
reg = r'<a href="(.+?)" target="_blank" title="(.+?)">'
return re.findall(reg, html) # findall 是进行匹配
# print(html)
def get_file(id, name):
req = urllib.request.Request('http://www.ks5u.com/USER/INC/DownCom.asp?id=%s' % id)
req.add_header('Referer', 'http://www.ks5u.com/zhuantimoni/yimo.html')
req.add_header('User-Agent', 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36')
data = opener.open(req).read()
print(data.decode('gbk'))
open(name + '.doc', 'wb').write(data)
# get_file('2082674', '辽宁省抚顺市2016届高三第一次模拟考试(3月)语文试题 Word版含答案')
for i in get_list():
# i = ('1.html', '名字')
# i[1] = '1.html'
# i[2] = '名字'
url = i[0]
name = i[1]
id = url.split('/')[-1].split('.')[0]
# id = url.split('/')[-1][:-6]
print(id, name)
# req = urllib.request.Request('http://imgsrc.baidu.com/baike/pic/item/91ef76c6a7efce1b1e78f841aa51f3deb58f65ed.jpg')
# data = opener.open(req).read()
# print(data)
# open('aaa' + '.jpg', 'wb').write(data)
python 爬取 http://www.ks5u.com/zhuantimoni/yimo.html 并下载内容
最后编辑于 :
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
推荐阅读更多精彩内容
- 代码: 总结: 用urllib.request.urlretrieve()下载图片
- 开发中实现图片轮播的方式有UICollectionView和UIScrollView UICollectionVi...