知乎登陆以及爬取问题下部分答案

最近想练练爬虫,就写了这么一个东西。说起来,Python干这种事真是得心应手。因为我也是看了别人的文章学来的,所以就不讲解啦,只贴代码。

#!usr/bin/env python
# coding:utf-8

import requests
import os
import json
from lxml import etree


class ZhihuClient(object):
    """知乎爬虫,目前只能初步的登陆知乎"""

    def __init__(self):
        super(ZhihuClient, self).__init__()
        self.__session = requests.Session()
        self.__session.headers = {
            "User-Agent": "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/46.0.2490.86 Safari/537.36",
            "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",
            "Accept-Encoding": "gzip, deflate",
            "Host": "www.zhihu.com",
            "Upgrade-Insecure-Requests": "1",
        }
        self.captchaFilepath = '/Users/lz/Desktop/cap.gif'
        self.isLogin = False

    def loadHome(self):
        """载入知乎首页"""
        self.__cookie = self.__loadCookie()
        if self.__cookie:
            print('拥有cookie,直接登录')
            self.__session.cookies.update(self.__cookie)
            home = self.__session.get('http://www.zhihu.com').text
            with open('home.html', 'w') as f:
                f.write(home)
        else:
            print('缺少cookie,请登录')
            username = input('请输入你的用户名:')
            password = input('请输入你的密码')
            self.login(username, password)
            home = self.__session.get('http://www.zhihu.com').text
            with open('home.html', 'w') as f:
                f.write(home)

    def login(self, username, password):
        """登陆知乎"""
        self.setusername(username)
        self.__password = password
        html = self.__session.get('http://www.zhihu.com').text
        html = etree.HTML(html.lower())
        print(type(html))
        result = html.xpath('//input[@name="_xsrf"]')
        self.__xsrf = result[0].attrib['value']
        self.getgif()
        data = {
            '_xsrf': self.__xsrf,
            'password': self.__password,
            'remember_me': 'true',
            self.__usernametype: self.__username,
            'captcha': self.__captcha
        }
        res = self.__session.post(
            'http://www.zhihu.com/login/' + self.__usernametype, data=data)
        print('=' * 50)
        if res.json()['r'] == 0:
            print('登陆成功')
            self.__saveCookie()
        else:
            print('登陆失败')
            print('错误信息 ----- >', res.json()['msg'])

    def getgif(self):
        """获取验证码图片"""
        captcha = self.__session.get(
            'http://www.zhihu.com/captcha.gif').content
        with open(self.captchaFilepath, 'wb') as output:
            output.write(captcha)
        print('=' * 50)
        self.__captcha = input('请输入验证码:')
        os.remove(self.captchaFilepath)

    def setusername(self, username):
        """检测登陆类型"""
        self.__username = username
        if username.isdigit():
            self.__usernametype = 'phone_num'
        else:
            self.__usernametype = 'email'

    def loadUrl(self, url):
        """下载传入的url指向页面中所有答案的图片"""
        htmlS = self.__session.get(url).text
        html = etree.HTML(htmlS.lower())
        result = html.xpath('//span[@class="zm-editable-content"]')
        name = result[0].text
        path = name + '/'
        os.mkdir(name)
        if os.path.exists(name):
            with open(path + name + '.html', 'w') as f:
                f.write(htmlS)
            print('目标网页获取成功')
            result = html.xpath(
                '//img[@class="origin_image zh-lightbox-thumb"]')
            imgs = []
            for ele in result:
                imgs.append(ele.attrib["src"])
            self.downloadImg(imgs, path)

    def downloadImg(self, imgs, path):
        """通过传入的imgs链接,下载图片"""
        length = len(imgs)
        for i in range(0, length):
            url = imgs[i]
            print(url)
            img = requests.get(url).content
            with open(path + '%d.png' % i, 'wb') as f:
                f.write(img)

    def __saveCookie(self):
        """储存cookie"""
        with open('zhihucookie', 'w') as f:
            json.dump(self.__session.cookies.get_dict(), f)
        print('=' * 50)
        print('已经生成cookiew文件')

    def __loadCookie(self):
        """加载cookie"""
        if os.path.exists('zhihucookie'):
            print('=' * 50)
            with open('zhihucookie', 'r') as f:
                cookie = json.load(f)
            self.isLogin = True
            return cookie
        return None

if __name__ == '__main__':
    client = ZhihuClient()
    if not client.isLogin:
        print('我要登录')
        client.loadHome()
    url = input('请输入网址:')
    client.loadUrl(url)
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
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,390评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,821评论 2 371
  • 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...
    开封第一讲书人阅读 141,632评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,170评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,033评论 4 355
  • 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...
    开封第一讲书人阅读 46,098评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,511评论 3 381
  • 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...
    开封第一讲书人阅读 35,204评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,479评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,572评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,341评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,213评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,576评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,893评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,171评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,486评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,676评论 2 335

推荐阅读更多精彩内容

  • Android 自定义View的各种姿势1 Activity的显示之ViewRootImpl详解 Activity...
    passiontim阅读 171,050评论 25 707
  • 2015年的冬天,我第一次见你。 你坐在我对面,眼神很淡定,要我做个自我介绍。 是的,你面试我,从那以后我便成了你...
    娜娜_51cf阅读 264评论 5 1
  • 上上次花了3个下午从红树林走到了深圳湾公园,这次只花了3个小时就走完了10公里,顺便体验了一把摩拜单车,当然也是龟...
    岚风的叶子阅读 136评论 0 0
  • 我想说不是自由职业,是一个自雇时代的到来。 那么自雇时代与自由职业和传统雇佣有什么不同? 为什么说自雇并不是你只一...
    Snow聘谁阅读 980评论 0 5
  • 爸爸的口琴,已经不知所踪,肇事者不用猜,就是我(=.=)……改革开放的80年代,我们一家搬迁到深圳,妈妈带上了她的...
    安心草阅读 303评论 0 2