【python实战】【持续更新】爬取某发卡网订单
本帖最后由 p794639 于 2021-1-22 23:48 编辑>作者：小白一枚@p794639
> 发布平台：吾爱破解论坛
> 请勿转载到其他平台
上次写完某福利网站爬虫突然想试试发卡网，然后就开始了爬虫不归路
:loveliness:网站已打码，代码拿出来大家一起学习讨论，有问题的地方还请大佬不吝赐教{:1_893:}
学习内容
爬取某发卡网的购买记录.（初步考虑穷举法爬取）
学习过程
添加必要的库，创建一个BUY类
importrequests,re,xlwt
class Color:
def __init__(self):
'''添加请求头'''
self.headers = {
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
'(KHTML, like Gecko) Chrome/87.0.4280.141 Safari/537.36',
}
#添加查询订单地址
self.port = 'http://xxxxxx.xxfaka.cn/?mod=query&data=xxxxxxxxxxx'
'''请求视频网页链接'''
def request_link(self):
self.response = requests.get(self.port, headers=self.headers)
self.html = self.response.text
print(self.html)
if __name__ == '__main__':
app= Color()
app.request_link()
>** 直接运行发现拿到的数据是这样的（有点多就不全显示了）**
var sec_defend_time……etCookie'sec_defend_time'…[][+!![]]+![]+[][+…
> **后来搜了点资料发现可能需要加cookie，然后又去网页找到cookie添加到请求头，然后headers就成这样了**
self.headers = {
'Cookie':'mysid=bcd178f6a7784bdaf63c03e321cfb77a; PHPSESSID=gml9nd9psrik73840v6jem6mm4; sec_defend=baa2a7703f2f3326fa7a366428aef295ac40ff679f2fec0284578de88e87bcac; sec_defend_time=1',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 '
'(KHTML, like Gecko) Chrome/77.0.3560.141 Safari/537.36',
}
> ** 我们再次运行代码就可以拿到网页数据了**
> **初步打算一次直接匹配一个订单全部消息，但是发现有对括号导致一直匹配内容为空**
</span>(<font size="2" color="#836FFF">2020-12-24 01:09:09</font>)<br>…太长了…<hr>
> 我用俩个replace将括号替换为空
self.html = self.html.replace('(','')
self.html = self.html.replace(')', '')
re.findall(r'…(.*?)…(.*?)…',self.html)
就这样直接匹配了六七个(.*?)内容，发现总是不能准确扣到具体内容，有可能好几条订单被扣到一个(.*?)里面。于是就换了个思路，一条语句扣一个内容，之后在for循环将对应数据放到一个列表，然后整体再放入列表组成二维列表
#获取订单时间
self.order_time = re.findall(r'<font size=".*?" color="#836FFF">(.*?)</font>.*?<br><h4>商品名称：<a href="\./\?mod=buy&tid=\w?\w?\w?\w?">(.*?)</a></h4>联系方式：.*?总价<font color=".*?">(.*?)</font>元.*?</strong></font>(.*?)<hr>',self.html)
#获取商品名称
self.pur_info = re.findall(r'',self.html)
#获取订单联系方式
self.contact_info = re.findall(r'',self.html)
#获取订单总价
self.price_total = re.findall(r'总价<font color=".*?">(.*?)</font>元',self.html)
#获取账号不完全信息
self.km_info = re.findall(r'</strong></font>(.*?)<hr>',self.html)
#获取下单总数
self.num_total = re.findall(r'<li><span class="rows">共(.*?)条</span> </li>', self.html)
temp_info =[]
for i in range(0,len(self.order_time)):
for lie in range(0,6):#lie
temp_info.append(self.order_time)
temp_info.append(self.pur_info)
temp_info.append(self.contact_info)
temp_info.append(self.price_total)
temp_info.append(self.km_info)
temp_info.append(self.num_total)
temp_info.append(''.join(temp_info))
self.account_info.append(list(temp_info))
print(self.account_info)
写出来基本就是上面这样，运行发现四五秒以后直接卡死，然后，，，，半小时没动断点重新开机了，代码没保存今天再运行append那就报错了，想了半天没想出来就打算放弃这种方法，重新回到之前的思路，把数据一次都提取出来，既然这单个的都准确提取了，没准放到一起就可以了呢。想到就做把每个放到一起连接起来运行，结果直接生成了二维数据，成了！！！
> 然后我们开始转二维列表
for i in range(0,len(self.info)):
self.info = list(self.info)
#通过这里来判断订单的三种情况
km_info = re.findall(r'>账号信息：(.*?)</b><br>',self.info)
if km_info==[]:
km_info = re.findall(r'</b><span class="(.*?)">卡密可能漏发,请联系客服</span>',self.info)
if km_info == []:
km_net = re.findall(r'<br>卡密操作：<a href=".(.*?)" title="点击查看卡密"><button', self.info)
km_net = self.port +(''.join(km_net))#多张卡密提取链接
#尚未完成一个单子多张卡密提取
self.info = km_info
> 到这里就初步的提取工作就完成了
PS：后面写的代码目前还没到自己想要的效果就先不放了，帖子后续会持续更新
https://static.52pojie.cn/static/image/hrline/1.gifhttps://static.52pojie.cn/static/image/hrline/1.gif
发帖不易，小伙伴给个免费的评分，支持我一下，非常感谢
https://static.52pojie.cn/static/image/hrline/2.gifhttps://static.52pojie.cn/static/image/hrline/2.gif
牛逼的操作{:1_893:} 温柔的笑 发表于 2021-1-22 22:53
我是第一个看完的吗？咋没人评论
应该是吧，这个点好多都休息了
我是第一个看完的吗？咋没人评论 感谢分享！ 进来学习一下 我还是没学会 看不懂 感谢分享！ 有一说一 想学爬虫看看 支持夜猫族
页:
[1]
2