網(wǎng)絡(luò)空間安全概論 實驗7 網(wǎng)絡(luò)爬蟲_第1頁
網(wǎng)絡(luò)空間安全概論 實驗7 網(wǎng)絡(luò)爬蟲_第2頁
網(wǎng)絡(luò)空間安全概論 實驗7 網(wǎng)絡(luò)爬蟲_第3頁
網(wǎng)絡(luò)空間安全概論 實驗7 網(wǎng)絡(luò)爬蟲_第4頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

實驗七網(wǎng)絡(luò)爬蟲一、爬蟲工作原理若是把互聯(lián)網(wǎng)比作一張大網(wǎng)，爬蟲（即網(wǎng)絡(luò)爬蟲）便是在網(wǎng)上爬行的蜘蛛。把網(wǎng)中的節(jié)點比作一個個網(wǎng)頁，那么蜘蛛爬到一個節(jié)點處就相當于爬蟲訪問了一個頁面，獲取了其信息?？梢园丫W(wǎng)頁與網(wǎng)頁之間的鏈接關(guān)系比作節(jié)點間的連線，蜘蛛通過一個節(jié)點后，順著節(jié)點連線繼續(xù)爬行，到達下一個節(jié)點，意味著爬蟲可以通過網(wǎng)頁之間的鏈接關(guān)系繼續(xù)獲取后續(xù)的網(wǎng)頁，當整個網(wǎng)站涉及的頁面全部被爬蟲訪問到后，網(wǎng)站的數(shù)據(jù)就被抓取下來了。二、用到的相關(guān)工具包（Python）request:用于發(fā)送請求與接收結(jié)果re:用來使用正則表達式csv:用來將獲得的數(shù)據(jù)寫入csv文件中，在后面的數(shù)據(jù)處理更加方便讀取三、實驗過程1、首先獲取需要爬取頁面的URL，這里就是豆瓣了：/top2502、通過查看豆瓣的網(wǎng)頁源代碼發(fā)現(xiàn)，該網(wǎng)頁是由服務(wù)器渲染的HTML，所以選擇使用正則來處理。3、通過firefox自帶的抓包工具發(fā)現(xiàn)請求方式為get。4、由于豆瓣經(jīng)常被爬，所以它設(shè)置了反爬，不過僅是對UA的檢查，找到一般瀏覽器訪問豆瓣網(wǎng)頁所攜帶的UA，寫入到request中即可，還是剛才抓包的文件，最下面有UA即User-Agent。5、接下來寫正則re的預(yù)編譯，像是豆瓣這樣的大網(wǎng)站，前端編寫的規(guī)定是很嚴格的，比如有電影信息的div中的class等是與其他構(gòu)建網(wǎng)頁組件不一樣的，這也方便了正則的應(yīng)用。如該代碼，電影名都在span這個標簽里面，而且有特定的class，故此憑借這個span與class可以快速定位電影名稱與獲取。6、csv文件寫入。7、最后編寫爬蟲，并將數(shù)據(jù)進行處理，把結(jié)果寫入csv。四、結(jié)果展示由

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論