python抓取需要扫微信登陆页面_Python

一，抓取情况描述

1.抓取的页面需要登陆，以公司网页为例，登陆网址https://app-ticketsys.hezongyun.com/index.php ,(该网页登陆方式微信扫码登陆）

2.需要抓取的内容如下图所示：

需要提取

工单对应编号，如tk-2960

工单发起时间，如2018-08-17 11:12:13

工单标题内容，如设备故障

工单正文内容，如最红框所示

python抓取需要扫微信登陆页面

二，网页分析

1.按按ctrl + shift + i或者鼠标右键点击检查进入开发人员工具。

可以看到页面显示如下：

python抓取需要扫微信登陆页面

主要关注点如上图框住和划线处

首先点击网络，记住以下信息将用于代码修改处。

resquest url：https： //app-ticketsys.hezongyun.com/index.php/ticket/ticket_list/init这个是需要爬取页面的信息请求menthod：get饼干：用于需要登陆页面user-agent：mozilla / 5.0（windows nt 10.0; win64; x64）applewebkit / 537.36（khtml，类似gecko）chrome / 67.0.3396.62 safari / 537.36

记住以上信息后粗略了解网页树形结构用beatifulsoup中selec怎么取出内容

示例：的h1m1一段代码如下：

				?

									html =“”“

									<html> <head> <title>睡鼠的故事</ title> </ head>

									<body>

									<p class =”title“name =”dromouse“> <b>睡鼠的故事</ b > </ p>

									<p class =“story”>从前有三个小姐妹;他们的名字是

									<a href =“http://example.com/elsie”class =“sister”id =“ link1“> <！ - elsie - > </a>，

									<a href="http://example.com/lacie" rel="external nofollow" class="sister" id="link2"> lacie </a>和

									<a href =“http://example.com/tillie”class =“sister”id =“link3”> tillie </a>;

									他们住在井底。</ p>

									<p class =“story”> ... </ p>

									“”“

如果我们喝汤得到了上面那段html的结构提取内容方法如下

1.通过标签名查找soup.select（ '标题'），如需要取出含有一个标签的内容则soup.select（ 'a'）的

2.通过类名查找soup.select（ 'class_name '）如取出标题的内容则soup.select（'。标题'）

3.通过id名字查找soup.select（ '＃id_name'）如取出id = link2的内容则soup.select（ '＃link2'）

上述元素名字可以利用左上角箭头取出，如下图

python抓取需要扫微信登陆页面

三，程序编写

				?

									# -*- coding:utf-8 -*-

									import requests

									import sys

									import io

									from bs4 import beautifulsoup

									import sys

									import xlwt

									import urllib,urllib2

									import re

									def get_text():

									  #登录后才能访问的网页，这个就是我们在network里查看到的request url

									  url = 'https://app-ticketsys.hezongyun.com/index.php/ticket/ticket_iframe/'

									  #浏览器登录后得到的cookie,这个就是我们在network里查看到的coockie

									  cookie_str = r'ci_ticketsys_session=‘***********************************'

									  #把cookie字符串处理成字典

									  cookies = {}

									  for line in cookie_str.split(';'):

									    key, value = line.split('=', 1)

									    cookies[key] = value

									  #设置请求头

									  headers = {'user-agent':'mozilla/5.0(windows nt 10.0; win64;x64)applewebkit/537.36 (khtml, like gecko)chrome/67.0.3396.62 safari/537.36'}

									  #在发送get请求时带上请求头和cookies

									  resp = requests.get(url, cookies = cookies,headers = headers)

									  soup = beautifulsoup(resp.text,"html.parser")

									  print soup

上述代码就能得到登陆网页的html源码，这个源码呈一个树形结构，接下来针对需求我们提取需要的内容进行提取

我们需要工单号，对应时间，对应标题

python抓取需要扫微信登陆页面

按箭头点击到对应工单大块，可以查询到，所有的工单号，工单发起时间，工单标题均在<ul id =“ticket-list”>这个id下面

python抓取需要扫微信登陆页面

那么点开一个工单结构，例如工单号id = “4427” 下面我们需要知道工单号，工单发起时间，工单内容可以看到

1.工单内容在h3标签下面

2.工单编号在类=“num”下面

3.工单发起时间在类= “时间” 下面

				?

									for soups in soup.select('#ticket-list'):

									  if len(soups.select('h3'))>0:

									    id_num = soups.select('.num')

									    star_time = soups.select('.time')

									    h3 = soups.select('h3')

									    print id_num,start_time,h3

总结

以上所述是小编给大家介绍的python抓取需要扫微信登陆页面,希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持！

如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！

原文链接：https://blog.csdn.net/lai_cheng/article/details/81772662

python抓取需要扫微信登陆页面

相关文章

热门资讯