python抓取需要扫微信登陆页面

Python  /  管理员 发布于 7年前   157

 一，抓取情况描述

1.抓取的页面需要登陆，以公司网页为例，登陆网址https://app-ticketsys.hezongyun.com/index.php ,(该网页登陆方式微信扫码登陆）

2.需要抓取的内容如下图所示：

需要提取

工单对应编号，如TK-2960

工单发起时间，如2018-08-17 11:12:13

工单标题内容，如设备故障

工单正文内容，如最红框所示

二，网页分析

1.按按Ctrl + Shift + I或者鼠标右键点击检查进入开发人员工具。

可以看到页面显示如下：

主要关注点如上图框住和划线处

首先点击网络，记住以下信息将用于代码修改处。

Resquest URL：https： //app-ticketsys.hezongyun.com/index.php/ticket/ticket_list/init这个是需要爬取页面的信息请求Menthod：GET饼干：用于需要登陆页面User-Agent：Mozilla / 5.0（Windows NT 10.0; Win64; x64）AppleWebKit / 537.36（KHTML，类似Gecko）Chrome / 67.0.3396.62 Safari / 537.36

记住以上信息后粗略了解网页树形结构用BeatifulSoup中SELEC怎么取出内容

示例：的H1M1一段代码如下：

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”>从前有三个小姐妹;他们的名字是<a href =“http://example.com/elsie”class =“sister”id =“ link1“> <！ - Elsie - > </a>，<a href="http://example.com/lacie" rel="external nofollow" class="sister" id="link2"> Lacie </a>和<a href =“http://example.com/tillie”class =“sister”id =“link3”> Tillie </a>;他们住在井底。</ p><p class =“story”> ... </ p>“”“

如果我们喝汤得到了上面那段HTML的结构提取内容方法如下

1.通过标签名查找soup.select（ '标题'），如需要取出含有一个标签的内容则soup.select（ 'a'）的

2.通过类名查找soup.select（ 'CLASS_NAME '）如取出标题的内容则soup.select（'。标题'）

3.通过ID名字查找soup.select（ '＃ID_NAME'）如取出ID = LINK2的内容则soup.select（ '＃LINK2'）

上述元素名字可以利用左上角箭头取出，如下图

三，程序编写

# -*- coding:utf-8 -*-import requestsimport sysimport iofrom bs4 import BeautifulSoupimport sysimport xlwtimport urllib,urllib2import redef get_text():  #登录后才能访问的网页，这个就是我们在network里查看到的Request URL  url = 'https://app-ticketsys.hezongyun.com/index.php/ticket/ticket_iframe/'  #浏览器登录后得到的cookie,这个就是我们在network里查看到的Coockie  cookie_str = r'ci_ticketsys_session=‘***********************************'  #把cookie字符串处理成字典  cookies = {}  for line in cookie_str.split(';'):    key, value = line.split('=', 1)    cookies[key] = value  #设置请求头  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'}  #在发送get请求时带上请求头和cookies  resp = requests.get(url, cookies = cookies,headers = headers)  soup = BeautifulSoup(resp.text,"html.parser")  print soup

上述代码就能得到登陆网页的HTML源码，这个源码呈一个树形结构，接下来针对需求我们提取需要的内容进行提取

我们需要工单号，对应时间，对应标题

按箭头点击到对应工单大块，可以查询到，所有的工单号，工单发起时间，工单标题均在<ul id =“ticket-list”>这个id下面

那么点开一个工单结构，例如工单号ID = “4427” 下面我们需要知道工单号，工单发起时间，工单内容可以看到

1.工单内容在H3标签下面

2.工单编号在类=“NUM”下面

3.工单发起时间在类= “时间” 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

总结

以上所述是小编给大家介绍的python抓取需要扫微信登陆页面,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！


  • 上一条：
    详解Python中的内建函数,可迭代对象,迭代器
    下一条：
    python基于itchat模块实现微信防撤回

    • 昵称：

    邮箱：

    0条评论 (评论内容有缓存机制,请悉知!)
    Top

    Copyright·© 2019 侯体宗版权所有· 粤ICP备20027696号 PHP交流群

    侯体宗的博客