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(jìn)行舉報或認(rèn)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(dāng)于爬蟲訪問了一個頁面，獲取了其信息。可以把網(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(dá)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(dāng)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(dá)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(yán)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(biāo)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(jìn)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

最新文檔

評論

0/150

提交評論