适合初学者的python爬虫开发案例

一、论述

这几个案例以前是给一些想进入Python行业的朋友写的，看到大家都比较满意，所以就再次拿了出来，如果你已经开始学python，对爬虫没有头绪，不妨看看这几个案例！

二、环境准备

Python 3

requests库 、lxml库、beautifulsoup4库

pip install XX XX XX一并安装。

三、Python爬虫小案例

1、获取本机的公网IP地址

利用python的requests库+公网上查IP的接口，自动获取IP地址

2、利用百度的查找接口，Python编写url采集工具

需要用到requests库、BeautifulSoup库，观察百度搜索结构的URL链接规律，绕过百度搜索引擎的反爬虫机制的方法为在程序中设置User-Agent请求头。

Python源代码：

Python语言编写好程序后，利用关键词inurl:/dede/login.php 来批量提取某网cms的后台地址：

3、利用Python打造搜狗壁纸自动下载爬虫

搜狗壁纸的地址是json格式，所以用json库解析这组数据，爬虫程序存放图片的磁盘路径改成欲存图片的路径就可以了。

效果图：

4、Python自动填写问卷调查

与一般网页一样，多次提交数据会要输入验证码，这就是反爬机制。

如图：

那么如何绕过验证码的反爬措施？利用X-Forwarded-For伪造IP地址访问即可，Python代码如下：

效果：

5、获取西刺代理上的IP，验证这些代理被封禁掉的可能性与延迟时间

可以把Python爬取的代理IP添加到proxychain里面，就可以进行一般的渗透任务了。这里直接调用了linux的系统命令ping -c 1 " + ip.string + " | awk 'NR==2{print}' - ，在Windows中运行此程序需要修改倒数第三行os.popen里的命令，修改为Windows能够执行的就可以了。

爬取到的数据如图：

演示：