python爬微信好友
python抓取需要扫微信登陆页面一，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开心学习网网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！原文链接：https://blog.csdn.net/lai_cheng/article/details/81772662