用Python爬取整个学院MM的电话和QQ，爬虫这也太牛了！
heshenhan 2018-05-03
1、 python爬虫可以爬取大规模数据。Python具有丰富和强大的库。它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。基本上可以负责任地认为，Python 可以做任何事情。无论是从入门级选手到专业级数据挖掘、科学计算、python爬虫、web开发、图像处理、人工智能，Python 都可以胜任。或许是因为这种万能属性，周围好更多的小伙伴都开始学习 Python。
前言：
这个没什么手艺难度，懂爬虫的人和轨范员都可以用学的说话写出来
只是良多安然问题的存在，几乎影响着我们的糊口，
希望大师可以熟悉到一些网站的后台密码的轨则与本身的安然性
简单的说，就是是轨范员的懒，让用户的信息吐露在互联网上
还有一点：
就是希望正在接触python，和快要抛却进修的同窗，可以试试换种思绪，
来试试爬虫，如许有造诣感的累积，可以渐渐晋升你的自傲
爬虫起头前的预备：
python2.7
库文件（xlwt，urllib2，BeautifulSoup4，xlrd）
安装库文件的编制：
最好在你的python2.7/script/下面翻开power shell(可以shift+右击) 实行下面的：
安装库文件：
pip install *** ***是指上面的库文件，下面不必定都用，只需上面的，往后出什么错，你就继续pip install
不雅观不雅观察网站构造（密码轨则）：
首先这个轨则是针对大二和已经毕业了的
密码轨则没有添加验证码（其实添加验证码也没什么用，只是添加了爬取门槛）
轨则是 用户名==密码
适宜前提
这里的用户信息
不要在意这些细节（马赛克） 朦胧美不息是我的寻求
详细思绪： 模仿上岸 ==》建造学号轨则==》信息查询（爬取）==》存入xls 模仿上岸： 由于我们是用爬虫守信息，每次访谒，
必定是上岸了往后才可以访谒我们的信息 ==》模仿上岸
当我们用剧本访谒下一个页面，必要一个cookie信息，就比如，当你翻开
qq空间，其实是想腾讯那儿那里提交了本身的信息，而我们的信息就存在cookie中
python 中cookie维持会话访谒：
模仿上岸
详细网址不分享，按捺带来不必要的费事
学号的列表
用户信息的获取
这里用的的是beautifulsoup库
写入xls(这个是思绪)测试用的函数
Python语言基础：掌握Python脚本、Python界面编程能力、掌握数据库、掌握基本爬虫、掌握多线程多进程开发能力，能胜任基本的Python开发工作。
Python爬虫：掌握Python爬虫技术、掌握多线程爬虫技术、掌握分布式爬虫技术，能胜任爬虫工作
由于在写的时辰由于编码问题，不能写入中文
起头步履：
添加上耽误访谒： time.sleep(1)
由于爬虫访谒的不和人一样，访谒会很快，
如答应以按捺被封ip 还有按捺给站点带来不好的影响
Python web开发：掌握前端知识、掌握Python三大后端框架、独立开发网站，能胜任web全栈开发工作。
局部截图：
学号轨则很好找的，如许就获取半个的call和qq啦，至于能干嘛
下面分享一个正则小知识点。正则表达式是一个很强大的字符串处理工具，几乎任何关于字符串的操作都可以使用正则表达式来完成，作为一个爬虫工作者，每天和字符串打交道，正则表达式更是不可或缺的技能，正则表达式的在不同的语言中使用方式可能不一样，不过只要学会了任意一门语言的正则表达式用法，其他语言中大部分也只是换了个函数的名称而已，本质都是一样的。下面，我来介绍一下python中的正则表达式是怎么使用的。
首先，python中的正则表达式大致分为以下几部分：
元字符
模式
函数
re 内置对象用法
分组用法
环视用法
所有关于正则表达式的操作都使用 python 标准库中的 re 模块。
一、元字符 （参见 python 模块 re 文档）
. 匹配任意字符（不包括换行符）
^ 匹配开始位置，多行模式下匹配每一行的开始
$ 匹配结束位置，多行模式下匹配每一行的结束
* 匹配前一个元字符0到多次
+ 匹配前一个元字符1到多次
? 匹配前一个元字符0到1次
{m,n} 匹配前一个元字符m到n次
\\ 转义字符，跟在其后的字符将失去作为特殊元字符的含义，例如\\.只能匹配.，不能再匹配任意字符
[] 字符集，一个字符的集合，可匹配其中任意一个字符
| 逻辑表达式 或 ，比如 a|b 代表可匹配 a 或者 b
(...) 分组，默认为捕获，即被分组的内容可以被单独取出，默认每个分组有个索引，从 1 开始，按照"("的顺序决定索引值
(?iLmsux) 分组中可以设置模式，iLmsux之中的每个字符代表一个模式,用法参见 模式 I
(?:...) 分组的不捕获模式，计算索引时会跳过这个分组
(?P<name>...) 分组的命名模式，取此分组中的内容时可以使用索引也可以使用name
(?P=name) 分组的引用模式，可在同一个正则表达式用引用前面命名过的正则
(?#...) 注释，不影响正则表达式其它部分,用法参见 模式 I
(?=...) 顺序肯定环视，表示所在位置右侧能够匹配括号内正则
(?!...) 顺序否定环视，表示所在位置右侧不能匹配括号内正则
(?<=...) 逆序肯定环视，表示所在位置左侧能够匹配括号内正则
(?<!...) 逆序否定环视，表示所在位置左侧不能匹配括号内正则
(?(id/name)yes|no) 若前面指定id或name的分区匹配成功则执行yes处的正则，否则执行no处的正则
\number 匹配和前面索引为number的分组捕获到的内容一样的字符串
\A 匹配字符串开始位置，忽略多行模式
\Z 匹配字符串结束位置，忽略多行模式
\b 匹配位于单词开始或结束位置的空字符串
\B 匹配不位于单词开始或结束位置的空字符串
\d 匹配一个数字， 相当于 [0-9]
\D 匹配非数字,相当于 [^0-9]
\s 匹配任意空白字符， 相当于 [ \t\n\r\f\v]
\S 匹配非空白字符，相当于 [^ \t\n\r\f\v]
\w 匹配数字、字母、下划线中任意一个字符， 相当于 [a-zA-Z0-9_]
\W 匹配非数字、字母、下划线中的任意字符，相当于 [^a-zA-Z0-9_]
好了，今天的知识就分享到这里，欢迎关注爱编程的南风，私信关键词：学习资料，获取更多学习资源，如果文章对你有有帮助，请收藏关注，在今后与你分享更多学习python的文章。同时欢迎在下面评论区留言如何学习python。
