爬蟲讓我再次在女同學(xué)面前長臉了~(現(xiàn)實(shí)版真實(shí)案例)

1. 文章背景:

鑒于這幾天掉發(fā)情況螃成,想著周末是多休息的啦旦签,睡午覺的時(shí)候被微信滴滴來信給吵醒了,拿來一看寸宏,是那個(gè)女同學(xué)哦宁炫,簡單看了一下,她主要表達(dá)的意思就是:“你能不能幫我 x x x x x x x 氮凝?(省略幾百個(gè)字)”羔巢,身為一個(gè)男同學(xué),你能說你不能嘛罩阵? m(o_ _)m


2. 前言:

簡單介紹一下 “需求” 竿秆,她希望我?guī)兔υ? “自考365” 下載一批量的試題以及答案,如下圖:
https://www.zikao365.com/shiti/downlist_search.shtm


3. 爬蟲

了解到要實(shí)現(xiàn)的東西之后稿壁,就可以對網(wǎng)頁進(jìn)行解剖了幽钢,下面是具體步驟。

1.瀏覽器抓包

2.了解傳遞的參數(shù)

在瀏覽器抓包中我們看不到實(shí)際傳遞了哪些參數(shù)(unable to decode value)傅是,因此這里可以使用 Fiddler 進(jìn)行抓包或者使用下面的一種方式匪燕,任意一種都行蕾羊,看你喜歡了...


然后使用文本框粘貼剛才復(fù)制的內(nèi)容:

curl 'https://www.zikao365.com/shiti/downlist_search.shtm' \
  -H 'Connection: keep-alive' \
  -H 'Cache-Control: max-age=0' \
  -H 'Upgrade-Insecure-Requests: 1' \
  -H 'Origin: https://www.zikao365.com' \
  -H 'Content-Type: application/x-www-form-urlencoded' \
  -H 'User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36' \
  -H 'Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3;q=0.9' \
  -H 'Sec-Fetch-Site: same-origin' \
  -H 'Sec-Fetch-Mode: navigate' \
  -H 'Sec-Fetch-User: ?1' \
  -H 'Sec-Fetch-Dest: document' \
  -H 'Referer: https://www.zikao365.com/shiti/downlist_search.shtm' \
  -H 'Accept-Language: zh-CN,zh;q=0.9,zh-TW;q=0.8,en-US;q=0.7,en;q=0.6' \
  --data-raw 'KeyWord=%C2%ED%BF%CB%CB%BC%D6%F7%D2%E5&monthHidden=%C8%AB%B2%BF&month=&yearHidden=%C8%AB%B2%BF&year=' \
  --compressed

留意一下倒數(shù)第二行 KeyWord=%C2%ED%BF%CB%CB%BC%D6%F7%D2%E5
結(jié)合瀏覽器抓包06了解到Keyword,這里其實(shí)就是上面搜索傳遞的內(nèi)容啦!!!

3.如何傳遞分頁

來到這里我們就能獲取一頁的列表數(shù)據(jù)了帽驯,那么獲取第二頁傳遞什么參數(shù)呢肚豺?點(diǎn)擊 下一頁 然后觀察抓包情況
https://www.zikao365.com/shiti/downlist_search.shtm?page=2
如上,url 發(fā)生了一點(diǎn)點(diǎn)變化了界拦,添加了一個(gè)參數(shù)page吸申,也就是說page=2代表第2頁

翻頁也不成問題了,那就看看如何獲取內(nèi)部的下載鏈接吧~

4.查找下載鏈接

隨便點(diǎn)擊一個(gè)鏈接進(jìn)如試題詳情頁如下:
https://www.zikao365.com/shiti/download-427-16827.html

原本我打算高高興興的點(diǎn)擊 "立即下載" 的享甸,結(jié)果發(fā)現(xiàn)需要登錄
真的是好事多磨啊~~

擺在眼前只有三條路

  1. 找女同學(xué)要一個(gè)賬號截碴,點(diǎn)擊一下看看什么情況
  2. 自己注冊一個(gè)賬號,但是太麻煩了
  3. 嘗試?yán)@開登錄驗(yàn)證蛉威,直接下載(很明顯我選擇第三種)

因?yàn)橐话?超鏈接 點(diǎn)擊了都是直接跳轉(zhuǎn)的日丹,如果沒有直接跳轉(zhuǎn),那就說明禁用了 href 屬性蚯嫌,并且重寫onclick事件哲虾,帶著這種前提意識打開 F12 > Elements 觀察源碼

OK~~ 來到這里對自考365的整體列表數(shù)據(jù)以及詳情數(shù)據(jù)的下載文件都有了一個(gè)整體的了解,那就可以著手編碼啦T袷尽束凑!

代碼實(shí)現(xiàn)較簡單 我這里就全部貼出來

public static void main(String[] args) throws Exception {
    HttpClient httpClient = HttpClient.buildHttpClient();
    String urlTemplate = "https://www.zikao365.com/shiti/downlist_search.shtm?page=${page}&KeyWord=${KeyWord}";
    String url = null;
    for (int i = 1; i < 6; i++) {
        // 第一頁開始
        url = urlTemplate.replace("${page}", i + "");
        url = url.replace("${KeyWord}", "%C2%ED%BF%CB%CB%BC%D6%F7%D2%E5");
        // 這里我竟然直接使用 GET 也是可以的 ( 我當(dāng)時(shí)是忘記了抓包是 POST ,直接寫了GET, 可以,那就更加方便了)
        Request request = httpClient.buildRequest(url).GET();
        Response<String> response = request.execute(BodyHandlers.ofString(Charset.forName("gbk")));
        log.debug("response: [{}]", response.getBody());
        // 把html解析為一個(gè)Document
        Document document = Jsoup.parse(response.getBody());
        // 獲取每一頁的試題超鏈接
        Elements a = document.select(".bot.clearfix li > a");
        List<String> hrefs = a.stream().map(v -> v.attr("href")).collect(Collectors.toList());
        for (String href : hrefs) {
            // 這里相當(dāng)于點(diǎn)擊進(jìn)入具體的試題超鏈接
            response = httpClient.buildRequest(href).execute(BodyHandlers.ofString(Charset.forName("gbk")));
            String html = response.getBody();
            // 解析每一個(gè)試題內(nèi)部的document
            document = Jsoup.parse(html);
            // 獲取當(dāng)前試題的標(biāo)題
            String title = document.selectFirst(".main div > h1").text();
            // 手動字符串切割獲取文件的path
            String[] scripts = StringUtils.substringsBetween(html, "<script", "</script>");
            String path = Arrays.stream(scripts).filter(v -> v.contains("addClick") && v.contains("path")).findFirst().get();
            path = path.substring(path.indexOf("path") + 4);
            path = path.replaceAll("'", "\"");// 這里是為了統(tǒng)一 ' 轉(zhuǎn)為 " , 避免個(gè)別頁面使用的是' 如: var path = 'http://download.zikao365.com/shiti/19158.pdf'
            path = path.substring(path.indexOf("\"") + 1);
            path = path.substring(0, path.indexOf("\""));
            // 獲取文件的后綴
            String suffix = path.substring(path.lastIndexOf("."));
            log.info("title:[{}], path: [{}], suffix: [{}]", title, path, suffix);
            // 執(zhí)行下載文件到本地目錄
            // 也可以使用 commons.io 的工具類下載, 如: FileUtils.copyURLToFile(new URL(path), Paths.get("C:\\Users\\houyu\\Desktop\\馬克思主義", title + suffix).toFile());
            httpClient.buildRequest(path).execute(BodyHandlers.ofFile(Paths.get("C:\\Users\\houyu\\Desktop\\馬克思主義", title + suffix)));
        }
    }
}

說明:這里列舉一下使用到幾個(gè)類庫或者工具類

4. 下載

日志:

下載之后的文件如下,共108個(gè):

5. 最后

當(dāng)我把這108個(gè)文件發(fā)給哪位那個(gè)女同學(xué)的時(shí)候...


你想學(xué)呀 我叫你呀谈秫,從此就可以有正當(dāng)理由聊了呀扒寄,你是否遇到你這樣子的女同學(xué)呢 ?



公眾號:IT加載中(it_loading)
CSDN:https://blog.csdn.net/JinglongSource
博客:https://shaines.cn/
郵箱:for.houyu@qq.com

程序員[ 后宇 ]拟烫,是一個(gè)關(guān)注編程该编,熱愛技術(shù)的Java后端開發(fā)者,熱衷于 [ Java后端 ]硕淑,[ 數(shù)據(jù)爬蟲領(lǐng)域 ]课竣。不定期分享 I T 技能和干貨!喜颁!歡迎關(guān)注 "IT加載中"稠氮,一個(gè)只出 干貨 和 實(shí)戰(zhàn) 的公眾號。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末半开,一起剝皮案震驚了整個(gè)濱河市隔披,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌寂拆,老刑警劉巖奢米,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件抓韩,死亡現(xiàn)場離奇詭異,居然都是意外死亡鬓长,警方通過查閱死者的電腦和手機(jī)谒拴,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來涉波,“玉大人英上,你說我怎么就攤上這事∑「玻” “怎么了苍日?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長窗声。 經(jīng)常有香客問我相恃,道長,這世上最難降的妖魔是什么笨觅? 我笑而不...
    開封第一講書人閱讀 58,157評論 1 292
  • 正文 為了忘掉前任拦耐,我火速辦了婚禮,結(jié)果婚禮上见剩,老公的妹妹穿的比我還像新娘杀糯。我一直安慰自己,他們只是感情好炮温,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布火脉。 她就那樣靜靜地躺著,像睡著了一般柒啤。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上畸颅,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天担巩,我揣著相機(jī)與錄音,去河邊找鬼没炒。 笑死涛癌,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的送火。 我是一名探鬼主播拳话,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼种吸!你這毒婦竟也來了弃衍?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤坚俗,失蹤者是張志新(化名)和其女友劉穎镜盯,沒想到半個(gè)月后岸裙,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡速缆,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,533評論 2 332
  • 正文 我和宋清朗相戀三年降允,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片艺糜。...
    茶點(diǎn)故事閱讀 39,690評論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡剧董,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出破停,到底是詐尸還是另有隱情送滞,我是刑警寧澤,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布辱挥,位于F島的核電站犁嗅,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏晤碘。R本人自食惡果不足惜褂微,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望园爷。 院中可真熱鬧宠蚂,春花似錦、人聲如沸童社。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽扰楼。三九已至呀癣,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間弦赖,已是汗流浹背项栏。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留蹬竖,地道東北人沼沈。 一個(gè)月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像币厕,于是被迫代替她去往敵國和親列另。 傳聞我的和親對象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,577評論 2 353