【视频】快来get新技能--抓包+cookie,爬微博不再是梦


 今天给大家录制了一个爬新浪微博的爬虫,也用到了抓包分析网址,但相较于以前,单纯的使用抓包分析网址在新浪微博是无效的。

cookie是什么

某些网站为了辨别用户身份、进行 session 跟踪而储存在用户本地终端上的数据(通常经过加密)。

目前有些 Cookie 是临时的,有些则是持续的。临时的 Cookie 只在浏览器上保存一段规定的时间,一旦超过规定的时间,该 Cookie 就会被系统清除。

持续的 Cookie 则保存在用户的 Cookie 文件中,下一次用户返回时,仍然可以对它进行调用。

注意:

微博中的cookie有时间限制,如果运行有问题,可以更换下cookie

如何使用cookie

Cookie = {‘Cookie’: ’UM_distinctid=15ab64ecfd6592-0afad5b368bd69-1d3b6853-13c680-15ab64ecfd7b6; remember_user_token=W1sxMjEzMTM3XSwiJDJhJDEwJHhjYklYOGl2eTQ0Yi54WC5seVh2UWUiLCIxNDg5ODI2OTgwLjg4ODQyODciXQ%3D%3D---ac835770a030c0595b2993289e39c37d82ea27e2; CNZZDATA1258679142=559069578-1488626597-https%253A%252F%252Fwww.baidu.com%252F%7C1489923851’}

我们要构造成字典格式,如上。这样应用到请求网址的时候添加到请求头中去即可(不懂也没关系,继续往下看,有视频讲说的)。

requests库

Requests  is  an  elegant  and  simple  HTTP  library  for Python,  built  for  human  beings.  Requests是一个优雅简洁的Python HTTP库,给人类使用。

使用方法如下

r  = requests.get(url,cookiess = Cookie)

实战分析

【视频】快来get新技能--抓包+cookie,爬微博不再是梦_第1张图片
孔庆东微博
【视频】快来get新技能--抓包+cookie,爬微博不再是梦_第2张图片

那么我们打开开发者工具,抓包分析下网址验证我们的网址规律思路

抓包分析

【视频】快来get新技能--抓包+cookie,爬微博不再是梦_第3张图片
【视频】快来get新技能--抓包+cookie,爬微博不再是梦_第4张图片
【视频】快来get新技能--抓包+cookie,爬微博不再是梦_第5张图片
【视频】快来get新技能--抓包+cookie,爬微博不再是梦_第6张图片

接下来我只是测试下,抓孔庆东微博博文的标题,如下图红色方框对应的html标签是h4

【视频】快来get新技能--抓包+cookie,爬微博不再是梦_第7张图片

代码及运行图部分

【视频】快来get新技能--抓包+cookie,爬微博不再是梦_第8张图片

关注公众号:大邓带你玩转python

关注后回复“孔庆东”即可得到项目源码


【python爬虫】抓包+cookie爬新浪数据 - 腾讯视频

你可能感兴趣的:(【视频】快来get新技能--抓包+cookie,爬微博不再是梦)