【百度雲搜索,搜各種資料:http://www.bdyss.com】
【搜網盤,搜各種資料:http://www.swpan.cn】
封裝模塊
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib
from urllib import request
import json
import random
import re
import urllib.error
def hq_html(hq_url):
"""
hq_html()封裝的爬蟲函數,自動啓用了用戶代理和ip代理
接收一個參數url,要爬取頁面的url,返回html源碼
"""
def yh_dl(): #創建用戶代理池
yhdl = [
'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50',
'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0',
'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0)',
'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',
'Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1',
'Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11',
'Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11',
'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Maxthon 2.0)',
'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; TencentTraveler 4.0)',
'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',
'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; The World)',
'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; 360SE)',
'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Avant Browser)',
'Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)',
'Mozilla/5.0 (iPhone; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',
'User-Agent:Mozilla/5.0 (iPod; U; CPU iPhone OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',
'Mozilla/5.0 (iPad; U; CPU OS 4_3_3 like Mac OS X; en-us) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8J2 Safari/6533.18.5',
'Mozilla/5.0 (Linux; U; Android 2.3.7; en-us; Nexus One Build/FRF91) AppleWebKit/533.1 (KHTML, like Gecko) Version/4.0 Mobile Safari/533.1',
'Opera/9.80 (Android 2.3.4; Linux; Opera Mobi/build-1107180945; U; en-GB) Presto/2.8.149 Version/11.10',
'Mozilla/5.0 (Linux; U; Android 3.0; en-us; Xoom Build/HRI39) AppleWebKit/534.13 (KHTML, like Gecko) Version/4.0 Safari/534.13',
'Mozilla/5.0 (BlackBerry; U; BlackBerry 9800; en) AppleWebKit/534.1+ (KHTML, like Gecko) Version/6.0.0.337 Mobile Safari/534.1+',
'Mozilla/5.0 (compatible; MSIE 9.0; Windows Phone OS 7.5; Trident/5.0; IEMobile/9.0; HTC; Titan)',
'UCWEB7.0.2.37/28/999',
'NOKIA5700/ UCWEB7.0.2.37/28/999',
'Openwave/ UCWEB7.0.2.37/28/999',
'Mozilla/4.0 (compatible; MSIE 6.0; ) Opera/UCWEB7.0.2.37/28/999'
]
thisua = random.choice(yhdl) #隨機獲取代理信息
headers = ("User-Agent",thisua) #拼接報頭信息
opener = urllib.request.build_opener() #創建請求對象
opener.addheaders=[headers] #添加報頭到請求對象
urllib.request.install_opener(opener) #將報頭信息設置爲全局,urlopen()方法請求時也會自動添加報頭
def dai_li_ip(hq_url): #創建ip代理池
url = "http://http-webapi.zhimaruanjian.com/getip?num=1&type=2&pro=&city=0&yys=0&port=11&time=1&ts=0&ys=0&cs=0&lb=1&sb=0&pb=4&mr=1"
if url:
data = urllib.request.urlopen(url).read().decode("utf-8")
data2 = json.loads(data) # 將字符串還原它本來的數據類型
# print(data2['data'][0])
ip = str(data2['data'][0]['ip'])
dkou = str(data2['data'][0]['port'])
zh_ip = ip + ':' + dkou
pat = "(\w*):\w*"
rst = re.compile(pat).findall(hq_url) #正則匹配獲取是http協議還是https協議
rst2 = rst[0]
proxy = urllib.request.ProxyHandler({rst2: zh_ip}) # 格式化IP,注意,第一個參數,請求目標可能是http或者https,對應設置
opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler) # 初始化IP
urllib.request.install_opener(opener) # 將代理IP設置成全局,當使用urlopen()請求時自動使用代理IP
else:
pass
#請求
try:
dai_li_ip(hq_url) #執行代理IP函數
yh_dl() #執行用戶代理池函數
data = urllib.request.urlopen(hq_url).read().decode("utf-8")
return data
except urllib.error.URLError as e: # 如果出現錯誤
if hasattr(e, "code"): # 如果有錯誤代碼
# print(e.code) # 打印錯誤代碼
pass
if hasattr(e, "reason"): # 如果有錯誤信息
# print(e.reason) # 打印錯誤信息
pass
# a = hq_html('http://www.baid.com/')
# print(a)
實戰爬取搜狗微信公衆號
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import urllib.request
import fzhpach
import re
#抓取搜狗微信公衆號
#http://weixin.sogou.com/weixin?type=1&query=php&page=1
#type=1表示顯示公衆號
#type=2表示抓取文章
#query=關鍵詞
#page=頁碼
gjc = '火鍋'
gjc = urllib.request.quote(gjc) #將關鍵詞轉碼成瀏覽器認識的字符,默認網站不能是中文
url = 'http://weixin.sogou.com/weixin?type=1&query=%s&page=1' %(gjc)
html = fzhpach.hq_html(url) #使用我們封裝的爬蟲模塊
pat = '微信號:<label name="em_weixinhao">(\w*)</label>'
rst = re.compile(pat).findall(html) #正則獲取公衆號
print(rst)
#返回
#['cqhuoguo1', 'qkmjscj888', 'cdsbcdhs', 'zk4538111', 'lamanannv', 'ctm2813333', 'cslhg2016', 'gh_978a858b478f', 'CCLWL0431', 'yuhehaixian']
抓包教程
首先安裝Fiddler4
軟件界面說明
清除請求
設置抓包瀏覽器
這樣設置好後,這個瀏覽器訪問的網址就會在抓包軟件裏看到信息了
設置抓取https協議的網站
導出證書到桌面
將證書安裝到瀏覽器
可以看到軟件已經獲取到https網站了
疑難問題解決:
有些可能已經按照流程在feiddler中設置好了https抓包,但死活抓不了
(1)首先,看看火狐瀏覽器的配置,是不是下方“爲所有協議使用相同代理”的地方沒有勾選上,如果是,請勾選上。
有一部分做到這一步應該能解決無法抓https的問題。如果還不行,請繼續往下看。
一般這個時候,還不行,應該就是你的證書問題了,有些可能會問,我是按照正常流程導出並安裝的證書,也會有問題?
對的,就是這麼奇怪。
(2)接下來,請在下面這個地方輸入certmgr.msc並回車,打開證書管理。
打開後如下所示:
請點擊操作–查找證書,如下所示:
然後輸入fiddler查找所有相關證書,如下所示:
可以看到,我們找到一個,您可能會找到多個,不要緊,有多少個刪多少個,分別右鍵–刪除這些證書,如下所示:
全刪之後,這一步完成。
(3)再接下來,打開火狐瀏覽器,進入選項-高級-證書-查看證書,然後找以DO_NOT開頭的關於Fiddler的證書,以字母排序的,所以你可以很快找到。如下所示,我們找到兩個,不用多說,右鍵,然後全部依次刪除。你可能找到一個或多個,反正找到多少個刪多少個就行,另外,特別注意,請如圖中【個人、服務器、證書機構、其他】等標籤依次查找,以免遺漏,切記切記!
這些全刪之後,這一步完成,現在證書已經全部清理了,進入下一步。
(4)下載 FiddlerCertMaker.exe,可以去官網找,如不想麻煩,直接下載我提供的,鏈接如下:
鏈接: https://pan.baidu.com/s/1bQBhxG 密碼: cu85
下載了這個之後,直接打開,不管出現什麼錯誤,直接忽略,直到出現如下界面爲止:
然後點擊確定,關掉它。
(5)有了證書之後,請重啓Fiddler(關掉再開),重啓之後,訪問https的網站,比如淘寶首頁,有可能成功了,但你也有可能會發現如下錯誤:
“你的連接並不安全” 等類似提示
見到這裏,你應該開心,離成功近了。
(6)果斷的,打開fiddler,“Tools–Fiddler Options–HTTPS”,然後把下圖中同樣的地方勾上(注意一致),然後點擊actions,然後先點擊Trust Root…,然後,再點擊Export Root…,此時,導出成功的話,在桌面就有你的證書了。務必注意:這一步成功的話,把第(7)步跳過,不要做了,直接進入第(8)步,如失敗,請繼續第(7步)。
(7)務必注意:上一步成功的話,把這一步跳過,不要做了。如果,你在導出的時候出現:creation of the root certificate was not located等錯誤,不要慌。接下來在cmd命令行中進入Fiddler安裝目錄,比如我的是C盤,所以進入如下圖所示Fiddler2目錄,然後直接複製下方make那一行代碼,然後直接cmd中運行,出現如下所示succeeded提示,出現這一步提示之後,再按步驟(6)的方法導出證書,就能成功了:
makecert.exe -r -ss my -n “CN=DO_NOT_TRUST_FiddlerRoot, O=DO_NOT_TRUST, OU=Created by http://www.fiddler2.com” -sky signature -eku 1.3.6.1.5.5.7.3.1 -h 1 -cy authority -a sha1 -m 120 -b 09/05/2012
(8)好,證書導入到桌面後,請打開火狐瀏覽器,然後進入選項-高級-證書-查看證書-導入-選擇剛導出的桌面的證書-確定。
(9)隨後,爲了保險,Fiddler重啓,火狐瀏覽器也重啓一下,然後開始抓HTTPS的包,此時你會發現“你的連接並不安全” 等類似提示已經消失,並且已經能夠抓包了。