python抓取需要扫微信登陆页面
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
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：
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
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
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
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脚本之家网站的支持！
如果你觉得本文对你有帮助，欢迎转载，烦请注明出处，谢谢！
相关文章
这篇文章主要为大家详细介绍了Python办公自动化中定时邮件提醒和音视频文件处理的相关知识,文中的示例代码讲解详细,需要的小伙伴可以了解下2023-12-12
Python打开指定网页使用requests模块爬虫示例详解
这篇文章主要介绍了Python打开指定网页使用requests模块爬虫的示例,Python requests是一个常用的HTTP请求库,可以方便地向网站发送HTTP请求,并获取响应结果,requests模块比urllib模块更简洁,感兴趣的朋友可以参考下2024-02-02
这篇文章主要介绍了pyqt5+opencv 实现读取视频数据的方法，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2022-01-01
这篇文章主要介绍了Python统计时间内的并发数代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2019-12-12
这篇文章主要介绍了Django框架封装外部函数,结合Django框架表单登陆功能示例分析了封装外部函数的相关操作步骤与实现技巧,需要的朋友可以参考下2019-05-05
众所周知JSON(JavaScript Object Notation)是一种轻量级的数据交换格式,这篇文章主要给大家介绍了关于如何使用Python创建json文件的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2023-06-06
int()函数常用来把其他类型转换为整数，下面这篇文章主要给大家介绍了关于python如何实现int函数的相关资料，文中通过示例代码介绍的非常详细，需要的朋友可以参考借鉴，下面随着小编来一起学习学习吧。2018-02-02
这篇文章主要介绍了Python OpenCV 图像矫正的原理实现，检测边缘点；以边缘点作为输入，采用Hough直线检测，检测出最多点共线的四条直线，更多相关内容需要的朋友可以参考一下2022-07-07
SageMath是一个开源的数学软件,它可以与Python进行交互,本文通过实例代码介绍了SageMath与Python的使用,需要的朋友可以参考下2024-03-03
这篇文章主要介绍了python+Selenium自动化测试——输入,点击操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-03-03
最新评论