python提取piazza的信息

                                                                                                         python提取piazza的信息

目标:实现从piazza提取信息。

实现方式:python爬虫

实现思路:

1.首先用python脚本实现模拟登录到piazza;

2.然后抓取页面源码;

3.接着对页面源码组织结构进行分析,用正式表达式抽取所需信息。

 

一、环境准备:

       1.采用的python版本是python2.7.9。这里推荐一个python开发环境PyCharm,用于python代码的编写与调试。pycharm的下载及使用参见http://blog.csdn.net/msda/article/details/38705525

       2. 在火狐浏览器上安装插件httpfox用于浏览器行为监视,目的是获得模拟登录时提交的表单信息。

      如果你已经有了python2.7.9的运行环境,并且已有httpfox。则跳过下面的内容,直接到第二部分“二、进入piazza 网页,进行登录,从httpfox 中获得post的表单信息。”。

              1. python环境准备:

                   (1)下载python2.7.9。地址:https://www.python.org/downloads/release/python-279/

                         到该地址的Files下找到适用你的机器的python2.7.9进行下载。我的是64位win8.1系统,所以选择的是“windows x86-64 MSI Installer”

python提取piazza的信息_第1张图片

 

                              (2)下载PyCharm。地址:http://www.jetbrains.com/pycharm/download/

                              关于PyCharm的安装及使用见http://blog.csdn.net/msda/article/details/38705525。

                              注意:选择的python解释器是你1中安装的 python2.7.9目录下找到python.exe

                     2.在火狐中安装httpfox插件,用于登录表单的抓取。

                          (1) httpfox下载地址:https://addons.mozilla.org/zh-CN/firefox/addon/httpfox/

                          (2)点击"add to firefox"然后按提示安装,重启火狐浏览器。

python提取piazza的信息_第2张图片

                           (3)在火狐浏览器的右上角工具栏找到“定制”点击进入定制。

                   (4)把httpfox(下面第二张图中第二行倒数第三个图标,有两个箭头)托到工具栏。然后退出定制。

                        (5)可以看到工具栏中多出了httpfox 工具。点击打开,就会在浏览器下方出现httpfox界面

               

python提取piazza的信息_第3张图片               python提取piazza的信息_第4张图片 

 

                            这是httpfox的界面,点击Start就可以开始对浏览器行为监视,点击Stop后停止监视。

python提取piazza的信息_第5张图片

 

 

二、进入piazza 网页,进行登录,从httpfox 中获得post的表单信息。

         1.首先打开httpfox,点击start开始监视。

         2.然后进入piazza网站。 piazza网址:https://piazza.com/

         3.进行登录操作。在网页右上角点击Login,填入你的email和password.然后点击login。就会登录进入piazza.

         4.登录成功后,点击httpfox 的stop停止监视。

       python提取piazza的信息_第6张图片

             5.从httpfox 分析登录时提交的表单信息。

                   找到 Method为Post,   URL为https://piazza.com/class这一行,可以在Post Data中看到列出来的表单信息

                       from              /signup

                       email              XXX

                      password       XXX

                      remember            on

                     (XXX:是你登录时填的email和password)

                    我们模拟登录时用的就是这些信息。python提取piazza的信息_第7张图片

 

 

三、写python程序实现模拟登录

 

 

 

 

你可能感兴趣的:(日常小技术)