silence-cc

摘要： 转载自廖飞的博客        在第5部分讲到，构建一个tornado网站，必须包含一个或者多个handler，这些handler是RequestHandler的子类。每个请求都会被映射到handler中进行处理，处理后再将结果返回给客户端 阅读全文

摘要： 目的：使用selenium + Chrome爬取某网站指定类型的乌云公开漏洞文章，即在win10终端输入漏洞类型（如未授权），则爬取所有该类型的漏洞文章，并把每个分页的数字作为文件夹名，来保存该分页下面的所有的漏洞文章。 总结：本例只是能简单的爬取某一类型漏洞的所有文章，但不能爬取多个类型漏洞的所有 阅读全文

摘要： 1. 创建爬虫项目douban 2. 设置items.py文件，存储要保存的数据类型和字段名称 3. 设置爬虫文件doubanmovies.py coding: utf 8 import scrapy from douban.items import DoubanItem class Doubanm 阅读全文

摘要： 鼎鼎大名的乌云网站，仅存在6年左右，就停摆，真是可惜。。。 从某网站爬取所有公开的乌云漏洞文章，保存为pdf格式，以作纪念学习使用 首先创建一个文件夹wooyun，把下面代码保存为test.py，然后放在该文件夹 测试效果如下 阅读全文

摘要： 目的：爬取 "阳光热线问政平台问题反映" 每个帖子里面的标题、内容、编号和帖子url CrawlSpider版流程如下： 1. 创建爬虫项目dongguang 2. 设置items.py文件 3. 在spiders目录里面，创建并编写爬虫文件sun.py 4. 编写管道pipelines.py文件 阅读全文

摘要： 目的：通过fiddler在电脑上对手机版 "斗鱼主播" 进行抓包，爬取所有主播的昵称和图片链接 关于使用fiddler抓取手机包的设置： 把手机和装有fiddler的电脑处在同一个网段（同一个wifi），手机连接好wifi后，点击手机wifi的连接，把代理改为手动，主机地址设置为fiddler所在的 阅读全文

摘要： 目的：使用selenium + chrome爬取 "中国大学Mooc网" 计算机学科的所有的课程链接列表 思路：找到每个分页的节点属性为class=”m course list” 的div元素，再找到该元素下面的类属性为class = “u clist f bg f cb f pr j href g 阅读全文

摘要： 目的：把 "腾讯社招" 的每个分页的职位名称及链接、类型、人数、工作地点、发布日期爬取下来，然后存储到json文件里面 思路： 1. 新建爬虫项目 2. 在items.py文件里面设置存储的字段名称及类型 3. 在spiders文件夹里面设置爬虫文件 4. 设置管道文件 5. 设置settings. 阅读全文

摘要： 目的：获取 "腾讯社招" 这个页面的职位名称及超链接 职位类别 人数 地点和发布时间 要求：使用bs4进行解析，并把结果以json文件形式存储 注意：如果直接把python列表没有序列化为json数组，写入到json文件，会产生中文写不进去到文件，所以要序列化并进行utf 8编码后写入文件。 阅读全文

摘要： 目的：在百度贴吧输入关键字和要查找的起始结束页，获取帖子里面楼主所发的图片 思路： 1. 获取分页里面的帖子链接列表 2. 获取帖子里面楼主所发的图片链接列表 3. 保存图片到本地 注意事项： 问题：在谷歌浏览器使用xpath helper插件时有匹配结果，但在程序里面使用python内带的xpat 阅读全文