部落格園200頁資料的抓取

首先直接上手requests獲取**資料，發現可以直接獲取。

因此不需要進行多餘的反爬措施，只需要專注於資料的獲取邏輯。

資料是直接放在源**中的。

資料獲取：觀察頁面源**可知

資料都是存放在  」「標籤下，可以選擇先獲取某個部落格的所有內容隨後再進行資訊的獲取

資料的獲取則是使用select函式，css選擇器來獲取資訊

這裡我定義了兩個函式

其一是獲取網頁頁面鏈結的函式

def

return_url_list(page):
"""生成部落格url列表並返回
"""url_list =
for i in range(1,page+1):
"" +str(i)) # 將兩個頁數不同的url比較可以知道其不同點在於最後的乙個數字，因此可以通過for迴圈構建鏈結
# 但其實我想到了一種更為節省空間的方法，即使用生成器，每生成乙個就抓起乙個
return url_list

def

get_data(url,m):
"""獲取中python欄目下的200頁資料
資料報括：
1：部落格標題
2：部落格簡述
3：發布人
4：發布日期
"""rsp = requests.get(url,headers=)
soup =bs(rsp.text)
k =0
for tag in soup.select("
div.post_item_body"):
print("
",tag.h3.text)
print("
",tag.h3.a["
href"])
for t in tag.select("
div.post_item_foot"):
t =t.get_text()
l = t.split("\n"
) 
for i in
l:# 這裡主要是對div標籤下的資料簡單地獲取了
i_list = i.split("")
for i in
i_list:
if len(i) >= 2:
print
(i) 
k = k + 1
print("
**********====第 {} 個部落格成功***************=
".format((m-1)*20+k))

標籤的獲取沒有充分的經驗，總是使用落後的select來獲取標籤，一遇到比較少見的標籤就不知所措，毫無頭緒，這是需要改正的地方。

表示我這次對**進行了分門別類的優秀操作，因為我使用的是jupyter，所以我將需要匯入模組的**放在了第乙個塊，將第乙個函式放在了第二塊，將第二個函式放在了第三塊，最後的主函式放在了第四塊，這樣編碼之後我發現不僅思路更加清晰了，其美觀程度也是上公升了一大截，不再是一團糟的感覺了，我用起來也是舒服很多。

希望繼續保持，加油加油。

網頁資訊抓取抓取部落格園的文章標題和鏈結

上圖顯示的是首頁的dom樹，顯然只需提取出class為post item的div，再重中提取出class為titlelnk的a標誌即可。這樣的功能可以通過以下函式來實現 在文字html的文字查詢標誌名為tagname,並且屬性attrname的值為attrvalue的所有標誌 例如 findtagb...

部落格園的夢想

非常感謝大家對發展的熱烈關注與熱心幫助 非常感謝很多朋友提出了非常好的建議，讓我有很多收穫，給我帶來了更大的信心與動力！的發展牽動了這麼多朋友的心，讓我很感動，更讓我感受了更大的責任！的發展來自於所聚集的人群的力量，這個人群不僅僅是技術愛好者，技術精英，而且是影響著中國軟體產業發展的中流砥柱。eyy...

部落格園的CSRF

csrf全稱 cross site request forgery，跨站請求偽造。通俗理解 攻擊者盜用當前使用者身份，髮請當前使用者的惡意請求 如郵件，銀行轉賬等。csrf原理 登入 a，生成本地cookie資訊 登入危險 b，b獲取 a的內容，並向a傳送請求操作，若成功，則csrf過程成功。其中登...