当前位置:脚本大全 > > 正文

python网络爬虫案例实战(python爬取cnvd漏洞库信息的实例)

时间:2022-03-31 12:54:38类别:脚本大全

python网络爬虫案例实战

python爬取cnvd漏洞库信息的实例

今天一同事需要整理http://ics.cnvd.org.cn/工控漏洞库里面的信息,一看960多个要整理到什么时候才结束。

所以我决定写个爬虫帮他抓取数据。

看了一下各类信息还是很规则的,感觉应该很好写。

but这个网站设置了各种反爬虫手段。

经过各种百度,还是解决问题了。

设计思路:

1.先抓取每一个漏洞信息对应的网页url

2.获取每个页面的漏洞信息

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • # -*- coding: utf-8 -*-
  • import requests
  • import re
  • import xlwt
  • import time
  • from bs4 import beautifulsoup
  • headers = {
  •  'accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
  •  'accept-encoding': 'gzip, deflate, sdch',
  •  'accept-language': 'zh-cn,zh;q=0.8',
  •  'user-agent': 'mozilla/5.0 (windows nt 10.0; wow64) applewebkit/537.36 (khtml, like gecko) chrome/54.0.2840.71 safari/537.36'
  • }
  • cookies={'__jsluid':'8d3f4c75f437ca82cdfad85c0f4f7c25'}
  • myfile=xlwt.workbook()
  • wtable=myfile.add_sheet(u"信息",cell_overwrite_ok=true)
  • j = 0
  • a = 900
  • for i in range(4):
  •  url ="http://ics.cnvd.org.cn/?max=20&offset="+str(a)
  •  r = requests.get(urttp://ics.cnvd.org.cnl,headers=headers,cookies=cookies)
  •  print r.status_code
  •  while r.status_code != 200:
  •   r = requests.get(url,headers=headers,cookies=cookies)
  •   print r.status_code
  •  html = r.text
  •  soup = beautifulsoup(html)
  •  #print html
  •  
  •  for tag in soup.find('tbody',id='tr').find_all('a',href=re.compile('http://www.cnvd.org.cn/flaw/show')):
  •   print tag.attrs['href']
  •   wtable.write(j,0,tag.attrs['href'])
  •   j += 1
  •  a += 20
  •  print u"已完成%s"%(a)
  • filename=str(time.strftime('%y%m%d%h%m%s',time.localtime()))+"url.xls"
  • myfile.save(filename)
  • print u"完成%s的url备份"%time.strftime('%y%m%d%h%m%s',time.localtime())
  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • # -*- coding: utf-8 -*-
  • from selenium import webdriver
  • import xlrd
  • import xlwt
  • from selenium.webdriver.common.by import by
  • from selenium.webdriver.common.keys import keys
  • from selenium.webdriver.support.ui import select
  • from selenium.common.exceptions import nosuchelementexception
  • from selenium.common.exceptions import noalertpresentexception
  • import unittest, time, re
  •  
  • class gk(unittest.testcase):
  •  def setup(self):
  •   self.driver = webdriver.firefox()
  •   self.driver.implicitly_wait(5)
  •   self.verificationerrors = []
  •   self.accept_next_alert = true
  •  
  •  def test_gk(self):
  •   myfile=xlwt.workbook()
  •   wtable=myfile.add_sheet(u"info",cell_overwrite_ok=true)
  •   data = xlrd.open_workbook('url.xlsx')
  •   table = data.sheets()[0]
  •   nrows = table.nrows
  •   driver = self.driver
  •   
  •   j = 0
  •   for i in range(nrows):
  •    try:
  •     s = []
  •     driver.get(table.cell(i,0).value)
  •     title = driver.find_element_by_xpath("//h1").text
  •     print title
  •     s.append(title)
  •     trs = driver.find_element_by_xpath("//tbody").find_elements_by_tag_name('tr')
  •     for td in trs:
  •      tds = td.find_elements_by_tag_name("td")
  •      for tt in tds:
  •       print tt.text
  •       s.append(tt.text)
  •     k = 0
  •     for info in s:
  •      wtable.write(j,k,info)
  •      k += 1
  •     j += 1
  •    except:
  •     filename=str(time.strftime('%y%m%d%h%m%s',time.localtime()))+"url.xls"
  •     myfile.save(filename)
  •     print u"异常自动保存%s的漏洞信息备份"%time.strftime('%y%m%d%h%m%s',time.localtime())
  •    
  •   filename=str(time.strftime('%y%m%d%h%m%s',time.localtime()))+"url.xls"
  •   myfile.save(filename)
  •   print u"完成%s的漏洞信息备份"%time.strftime('%y%m%d%h%m%s',time.localtime())
  •   
  •  def is_element_present(self, how, what):
  •   try: self.driver.find_element(by=how, value=what)
  •   except nosuchelementexception, e: return false
  •   return true
  •  
  •  def is_alert_present(self):
  •   try: self.driver.switch_to_alert()
  •   except noalertpresentexception, e: return false
  •   return true
  •  
  •  def close_alert_and_get_its_text(self):
  •   try:
  •    alert = self.driver.switch_to_alert()
  •    alert_text = alert.text
  •    if self.accept_next_alert:
  •     alert.accept()
  •    else:
  •     alert.dismiss()
  •    return alert_text
  •   finally: self.accept_next_alert = true
  •  
  •  def teardown(self):
  •   self.driver.quit()
  •   self.assertequal([], self.verificationerrors)
  •  
  • if __name__ == "__main__":
  •  unittest.main()
  • 好了。看看结果怎样!

    python网络爬虫案例实战(python爬取cnvd漏洞库信息的实例)

    ok!剩下手动整理一下,收工!

    以上这篇python爬取cnvd漏洞库信息的实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持开心学习网。

    原文链接:https://blog.csdn.net/qq1124794084/article/details/53923897

    上一篇下一篇

    猜您喜欢

    热门推荐