python爬虫实战：刷某博客站点的访问量（转）

2019独角兽企业重金招聘Python工程师标准>>>

引言：

Python并发的文章还在肝，比较乏味，写个爬虫小脚本玩玩，想起之前在某博客站点看到，一个人发布的渣渣文章，半个小时不到2W访问量，还连续几篇都是，然后一个留言或者点赞的都没有，比较多人看的鸿洋的博客，一篇文章挂了3个月也才1w3的访问量，想想都知道是爬虫刷的，小猪顿时正义感作祟，忍不住向他们的客服进行了举报，然而石沉大海，并没有得到任何的回复，不禁感叹，时过境迁，物是人非，唉...

最近偶尔有次点出了排行版，看到了这样的东西？？？

卖优惠券的都没人管了...卧槽，这还能忍，这样对得起那些辛辛苦苦肝出一篇技术文章的大佬和萌新吗？

刷访问量脚本谁不会写，而且这个博客站点不用登录就算一次访问量，写个无限循环，然后换着ip去访问博客就行了。具体的流程：

1.抓取你博客所有的文章URL存起来；
2.准备一堆代理ip(西刺很多都不行，可以上网买5块2W个高匿代理ip)；
3.while True：换着ip，随机访问自己的一篇文章；

是的，就是这么简单，没有任何反爬虫或者惩罚，之前那个人已经大摇大摆的刷到每篇文章5W多访问量。所以我选择搬到掘金...

1.写一个自己的常用模块

在写简单爬虫的时候，有一些很常用的代码段，比如发起一个请求，然后获得一个Response；下载图片；读写文件等，其实都可以写到一个py文件里(有点像Android里的工具类)，然后要用到的时候调用下就可以了，使用的时候import下你的这个模块然后就可以用了。比如小猪随手写的一个简易模块：

部分代码

这些都可以自己定制，这样你在写爬虫的时候就方便多了。

另外，小猪闲暇没事也会爬点小东西练练手，初学者可以也跟着试试，相关脚本都丢到我的Gayhub上了，按需自取：

github.com/coder-pig/R…

2.编写刷访问量脚本

Step 1：获取博客的所有链接

打开：blog.csdn.net/coder_pig?v… 滑动到底部，可以发现有这个东西，要做的就是拿到每一页的 url，然后处理页面拿到所有的文章链接都存起来，然后随手点开第二页，发现url变成： blog.csdn.net/zpj77987844… 所以我们只需拿到总共有多少页就可以了，然后自行拼接URL：

浏览器f12打开Elements，Ctrl+f搜尾页，直接就定位到了

然后全局搜下这个papelist，发现也是唯一的，接下来好办了，处理下href，拿到最后的页码：

接着就是看下每个列表页的页面结构，获取所有的文章url，然后写入到一个文件里了：

就选我们刚刚打开的第二页吧，同样打开：Elements，随手搜个：小猪浅谈Android屏幕适配，就可以定位到：

然后点结点，翻上去，不难找到：

同样，搜下article_list，同样是唯一的，拿到这个div，然后获取class='link_title'的span，然后拿到里面的a标签就可以了：

执行下这个方法，可以看到目录下生成了csdn_articles_file.txt 点开就可以看到我们所有文章的url了：

第一步完成～

Step 2：访问网页

这里就非常简单了，换ip，然后给文章发起请求，你连read() 方法都不用执行，另外，这里还可以添加计数，当返回码为 200的时候，说明是一次顺利的访问，计数+1，代码很简单：

Step 3：执行代码

这里很简单，先判断文章列表文件是否存在，不存在遍历，然后加载文件里所有的数据到列表，接着While无限循环，然后random随机取出一个访问即可！

运行后开始计数就说明成功了，打开自己的博客页面放着过一会在儿再刷新看看访问量是否增加了就知道了：

3.把脚本丢到服务器上跑

自己的电脑总不可能24小时开着是吧，费电，比如我一般下班就会关电脑，如果想你的脚本可以24小时不间断运行，可以丢到服务器上，一百来块就可以买个普通的玩玩了，有兴趣自行百度阿里云，腾讯云虚拟主机之类的。

一般是通过ssh命令链接到我们的远程主机终端

ssh root@主机ip，然后输入下主机密码即可链接

然后你可以通过一些ftp工具把自己的脚本文件丢到服务器上，然后ssh终端执行下python3 xxx.py就可以了。

但是有个问题是，如果你按了ctrl+c或者关闭了这个ssh终端你的这个脚本就会停止！所以你需要以后台程序的方式执行你的这个Python脚本，可以使用nobup命令。键入这样的命令:

nohup python3 -u xxx.py > xxx.out 2>&1 &

解释下：

nohup 和最后的& 包着的就是让命令在后台执行，比如你直接写nohup python3 xxx.py &就可以了
> xxx.out 代表将输出信息输出到xxx.out日志文件中
2>&1 将信息变成标准输出，把错误信息也输入到日志文件中 0代表stdin，1代表stdout，2代表stderr

这样执行后，会返回一个pid(进程id)：

然后你可以通过tail命令跟踪日志输出：

tail -f xxx.out

觉得跑得差不多了想停掉程序运行，只需执行下述命令把进程杀掉，比如kill -9 19267

kill -9 pid

如果忘记了pid也没什么，可以通过下述命令找到：

ps -ef | grep python3

然后kill掉就可以了。另外上面那个执行了8:28分钟的就是我昨晚睡觉前运行的脚本，tail看一波日志文件：

怒刷31W访问量，这个就不说了...

4.Python3 ssl模块找不到

把脚本丢服务器上，python3执行的时候一直安装不了ssl模块，真是莫名其妙，pip3 install ssl，死命就是报错，后面搜了下网上的资料, 先执行下面的两个命令装点东西：

apt-get install openssl
apt-get libssl-dev

装上后还是不行，然后发现是要去改下python3文件夹里的代码，然后重新make，cd到下面的路径，vim编辑Setup文件：

cd ../../usr/lib/python/Python-3.6.4/Modules 
vim Setup

把对应这个部分的改成下述这个样子，然后esc，键入 :wq保存。

然后一次执行下述命令(如果最后名利提示权限不够，可在make前加-H)

cd ..
sudo ./configure
sudo make
sudo make install

make完后，命令行键入python3，进入到python3 ide，import下ssl 没报错就说明安装成功了！

小结

本节学习了编写自己的模块，编写刷访问量脚本，以及如何把自己的脚本丢到服务器上以后台程序的方式运行。

其实刷那么多的访问量又有什么用，写博客的初衷就是分享和记录自己的学习历程，不知何时开始，我们开始热衷于追求所谓的阅读量，点赞数，评论数，然后各种标题党，鸡汤...现在大多数的人对于短平快结果立竿见影的事情趋之若鹜，而对需要沉下心长时间积淀的事却避之而唯恐不及，这可能就是浮躁吧。

本节源码下载：