爬过这些网站才算会爬虫

点击上方“简说Python”，选择“置顶/星标公众号”

福利干货，第一时间送达！

本文转自：高级农民工

作者：苏克1900

摘要：微信、知乎、新浪等主流网站的模拟登陆爬取方法。

网络上有形形色色的网站，不同类型的网站爬虫策略不同，难易程度也不一样。从是否需要登陆这方面来说，一些简单网站不需要登陆就可以爬，比如之前爬过的猫眼电影、东方财富网等。有一些网站需要先登陆才能爬，比如知乎、微信等。这类网站在模拟登陆时需要处理验证码、js 加密参数这些问题，爬取难度会大很多。费很大力气登陆进去后才能爬取想要的内容，很花时间。

是不是一定要自己动手去实现每一个网站的模拟登陆方法呢，从效率上来讲，其实大可不必，已经有前人替我们造好轮子了。

最近发现一个神库，汇总了数十个主流网站的模拟登陆方法：

• 知乎

• 微信网页版登录并获取好友列表

• Bilibili

• Facebook

• 无需身份验证即可抓取Twitter前端API

• 微博网页版

• QQZone

• CSDN

• 淘宝

• Baidu

• 果壳

• JingDong 模拟登录

• 163mail

• 拉钩

• 豆瓣

• Baidu2

• 猎聘网

• Github

• 爬取图虫相应的图片

• 网易云音乐

• 糗事百科

这些网站基本采用的是直接登录或者 selenium+webdriver 方式。每一个网站都有完整的模拟登陆代码，拿来就可以用到自己的爬虫中。

下面我们来测试一下。

先说说很难爬的「知乎」，假如我们想爬取知乎主页的 HTML 内容，就必须要先登陆才能爬，不然看不到这个界面。下面来简单梳理一下流程。

知乎需要手机号才能注册登陆。为了方便测试，可以随便找个手机号，手机号到哪儿去找呢，我上周写的那篇文章就发挥作用了。文章里介绍了一个免费电话号码网站，用上面的手机号可以成功注册。

文章传送门：两个神网站保护你的隐私

顺利登录后就可以进入主页了。

下面，我们用这个库提供的代码来模拟登陆，输出主页 HTML 内容作测试。操作很简单，只需要输入手机号、密码和验证码就可以了。

成功登陆后，接下来就可以做一些有意思的事了。比如曾有人爬取所有知乎账号的信息，分析了知乎用户群体画像。

是不是有点意思。

再来看看微信。用上面的微信代码可以把全部微信好友信息爬取下来，比如：昵称、性别、地域、个性签名。接着可以分析一下你的朋友圈是什么样的，应该会很有趣。

还可以爬 B 站：

还可以爬链家租房信息：

还有很多实用有趣的内容，就不一一罗列了，感兴趣的话可以试试，最后放上大神的 GitHub 库地址：

https://github.com/CriseLYJ/awesome-python-login-model

不要闷头造轮子，多抬抬头会发现你在做/想做的东西，别人早已经弄好了，拿来用或者参考学习都是件好事。

本文完。

---

/今日留言主题/

你爬过什么难爬的网站，用了什么方法搞定？

(留言格式：Dayxx：blahblah）

右下角

好看变在看