python案例3

python

Python使用cookielib和urllib2模拟登陆新浪微博并抓取数据

2012/07/04 by crazyant 暂无评论

我们都知道HTTP是无连接的状态协议，但是客户端和服务器端需要保持一些相互信息，比如cookie，有了cookie，服务器才能知道刚才是这个用户登录了网站，才会给予客户端访问一些页面的权限。

用浏览器登录新浪微博，必须先登录，登陆成功后，打开其他的网页才能够访问。用程序登录新浪微博或其他验证网站，关键点也在于需要保存cookie，之后附带cookie再来访问网站，才能够达到效果。

这里就需要Python的cookielib和urllib2等的配合，将cookielib绑定到urllib2在一起，就能够在请求网页的时候附带cookie。

具体做法，首先第一步，用firefox的httpfox插件，在浏览器衷开始浏览新浪微博首页，然后登陆，从httpfox的记录中，查看每一步发送了那些数据请求了那个URL；之后再python里面，模拟这个过程，用urllib2.urlopen发送用户名密码到登陆页面，获取登陆后的cookie，之后访问其他页面，获取微博数据。

具体代码，来自豆瓣的一篇文章：地址

本人加了点注释，欢迎大家一起品尝该同学的完美代码：

 

 

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107

# coding=utf8 import urllib import urllib2 import cookielib import base64 import re import json import hashlib   # 获取一个保存cookie的对象 cj=cookielib.LWPCookieJar() # 将一个保存cookie对象，和一个HTTP的cookie的处理器绑定 cookie_support=urllib2.HTTPCookieProcessor(cj) # 创建一个opener，将保存了cookie的http处理器，还有设置一个handler用于处理http的URL的打开 opener=urllib2.build_opener(cookie_support,urllib2.HTTPHandler) # 将包含了cookie、http处理器、http的handler的资源和urllib2对象板顶在一起 urllib2.install_opener(opener)   postdata={     'entry':'weibo',     'gateway':'1',     'from':'',     'savestate':'7',     'userticket':'1',     'ssosimplelogin':'1',     'vsnf':'1',     'vsnval':'',     'su':'',     'service':'miniblog',     'servertime':'',     'nonce':'',     'pwencode':'wsse',     'sp':'',     'encoding':'UTF-8',     'url':'http://weibo.com/ajaxlogin.php?framelogin=1&callback=parent.sinaSSOController.feedBackUrlCallBack',     'returntype':'META' }   def get_servertime():       url='http://login.sina.com.cn/sso/prelogin.php?entry=weibo&callback=sinaSSOController.preloginCallBack&su=dW5kZWZpbmVk&client=ssologin.js(v1.3.18)&_=1329806375939'     data=urllib2.urlopen(url).read()     p=re.compile('\((.*)\)')     try:         json_data=p.search(data).group(1)         data=json.loads(json_data)         servertime=str(data['servertime'])         nonce=data['nonce']         returnservertime,nonce     except:         print'Get severtime error!'         returnNone   def get_pwd(pwd,servertime,nonce):     pwd1=hashlib.sha1(pwd).hexdigest()     pwd2=hashlib.sha1(pwd1).hexdigest()     pwd3_=pwd2+servertime+nonce     pwd3=hashlib.sha1(pwd3_).hexdigest()     returnpwd3   def get_user(username):     username_=urllib.quote(username)     username=base64.encodestring(username_)[:-1]     returnusername   def main():     username='www.crazyant.net'  # 微博账号     pwd='xxxx'  # 微博密码     url='http://login.sina.com.cn/sso/login.php?client=ssologin.js(v1.3.18)'     try:         servertime,nonce=get_servertime()     except:         return     globalpostdata     postdata['servertime']=servertime     postdata['nonce']=nonce     postdata['su']=get_user(username)     postdata['sp']=get_pwd(pwd,servertime,nonce)     postdata=urllib.urlencode(postdata)     headers={'User-Agent':'Mozilla/5.0 (X11; Linux i686; rv:8.0) Gecko/20100101 Firefox/8.0'}     # 其实到了这里，已经能够使用urllib2请求新浪任何的内容了，这里已经登陆成功了     req=urllib2.Request(         url=url,         data=postdata,         headers=headers     )     result=urllib2.urlopen(req)     text=result.read()     # print text     p=re.compile('location\.replace\(\'(.*?)\'\)')     try:         login_url=p.search(text).group(1)         print login_url         # print login_url         urllib2.urlopen(login_url)         print"login success"     except:         print'Login error!'     # 测试读取数据，下面的URL，可以换成任意的地址，都能把内容读取下来     req=urllib2.Request(url='http://e.weibo.com/aj/mblog/mbloglist?page=1&count=15&max_id=3463810566724276&pre_page=1&end_id=3458270641877724&pagebar=1&_k=134138430655960&uid=2383944094&_t=0&__rnd=1341384513840',)     result=urllib2.urlopen(req)     text=result.read()     print len(result.read())     # unicode(eval(b),"utf-8")     print eval("u'''"+text+"'''") main()

其实获取了模拟登陆后的urllib2，可以做抓数据等任何事情，你甚至可以写一个多线程的爬虫来爬遍新浪微博，我一直有这个想法，可从来没有实现。如果您有什么进展，请联系我共同进步。

Posted in: python Tagged: 数据抓取, 数据采集, 模拟登陆

Ubuntu 安装 PostgreSQL 和 python-psycopg2基础教程（以及错误解决）

2012/06/27 by Crazyant 3条评论

Django支持以下四种数据库PostgreSQL（pgql）、SQLite 3、MySQL、Oracle。PostgreSQL 和 MySQL都是最受人关注的开源数据库，MySQL在国内又相对盛行，这和php领域大力推崇lamp不无关系； 关于Mysql和PostgreSQL的对比网上有很多版本，也没必要去比较，不过可以确定的一点是PostgreSQL对Django的 GIS支持更加强大。在Ubuntu 系统下为Python Django安装 PostgreSQL 数据库，还包括pgadmin3 和 python-psycopg2 等。

安装PostgreSQL 数据库

sudo apt-get install postgresql postgresql-client postgresql-contrib

安装过程提示：

The following NEW packages will be installed:
libossp-uuid16 libpq5 postgresql postgresql-8.4 postgresql-client
postgresql-client-8.4 postgresql-client-common postgresql-common
postgresql-contrib postgresql-contrib-8.4
……
Adding user postgres to group ssl-cert
……
Creating new cluster (configuration: /etc/postgresql/8.4/main, data: /var/lib/postgresql/8.4/main)…
Moving configuration file /var/lib/postgresql/8.4/main/postgresql.conf to /etc/postgresql/8.4/main…
Moving configuration file /var/lib/postgresql/8.4/main/pg_hba.conf to /etc/postgresql/8.4/main…
Moving configuration file /var/lib/postgresql/8.4/main/pg_ident.conf to /etc/postgresql/8.4/main…
Configuring postgresql.conf to use port 5432…
……
* Starting PostgreSQL 8.4 database server [ OK ]
Setting up postgresql (8.4.8-0ubuntu0.11.04) …
Setting up postgresql-client (8.4.8-0ubuntu0.11.04) …
Setting up postgresql-contrib-8.4 (8.4.8-0ubuntu0.11.04) …
Setting up postgresql-contrib (8.4.8-0ubuntu0.11.04) …
Processing triggers for libc-bin …

即创建了配置文件的位置为：/etc/postgresql/8.4/main/
可执行程序为：

 sudo /etc/init.d/postgresql {start|stop|restart|reload|force-reload|status} [Read more…]

Posted in: python

eclipse远程发布代码的方法（SSH自动同步）

2012/06/27 by Crazyant 1条评论

eclipse有个插件，叫做Eclipse Remote System Explorer (RSE)，具体使用方法：

1、下载RSE

地址：http://download.eclipse.org/tm/downloads/drops/R-3.3.2-201202061000/

2、安装到eclipse（3.4版本以上）

解压RSE压缩包，直接把里面的内容复制到eclipse的根目录

3、打开eclipse

• 新建-》项目-》RSE-》connection
• 填入IP，名字

4、将eclipse的工作目录，切换到RSE

5、右键新建一个connection，然后输入IP地址

6、右键连接，然后输入用户名和密码，同步完成

7、在sftp files里面新建一个filter，里面输入过滤的文件夹路径，比如/home/crazyant

最后左边目录树，会出现服务器上相应的文件夹，可以直接编辑了

注：本文有www.crazyant.net原创，转载请注明出处。

Posted in: python Tagged: eclipse, python

python在linux下安装方法（解决旧版本冲突）

2012/06/26 by Crazyant 暂无评论

 

1．下载源代码 http://www.python.org/ftp/python/2.5.2/Python-2.5.2.tar.bz2

2．  安装

$ tar –jxvf Python-2.5.2.tar.bz2

$ cd Python-2.5.2

$ ./configure

$ make

$ make install

3. 测试

在命令行下输入python，出现python解释器即表示已经正确安装。

在suse10或rhel5（es5）下系统默认已经装了python但版本是2.4.x；本次安装后在shell中输入

#python

会发现显示结果：

# python

Python 2.4.3 (#1, Dec 11 2006, 11:38:52)

[GCC 4.1.1 20061130 (Red Hat 4.1.1-43)] on linux2

Type “help”, “copyright”, “credits” or “license” for more information.

>>>

版本还是2.4.x的

解决办法：

#cd /usr/bin

#ll |grep python   //查看该目录下python

#rm -rf python

#ln -s PREFIX/Python-2.5.2/python ./python  //PREFIX为你解压python的目录

#python

# python

Python 2.5.2 (#1, Dec 11 2006, 11:38:52)

[GCC 4.1.1 20061130 (Red Hat 4.1.1-43)] on linux2

Type “help”, “copyright”, “credits” or “license” for more information.

>>>

OK！问题解决！

Posted in: python Tagged: python

Python关于apply的知识

2012/06/10 by Crazyant 6条评论

今天用到了python apply的方法，感觉非常的好用。

python apply函数的具体的含义：

apply(function, args[, keywords])

函数用于当函数参数已经存在于一个元组或字典中时，间接地调用函数。args是一个包含将要提供给函数的按位置传递的参数的元组。如果省略了args，任何参数都不会被传递，kwargs是一个包含关键字参数的字典。

apply()的返回值就是func()的返回值，apply()的元祖参数是有序的，元素的顺序必须和func()形式参数的顺序一致，下面给几个例子来详细的说下:

• 假设是执行没有带参数的方法

def say():
    print ‘say in’
apply(say)

输出的结果是’say in’

• 函数只带元组的参数。

def say(a, b):
    print a, b
apply(say,(“hello”, “老王python”))

• 函数带关键字参数。

def say(a=1,b=2):
    print a,b
def haha(**kw):
     # say(kw)
      apply(say,(),kw)
print haha(a=’a’,b=’b’)

输出的结果是:a,b

下面有个例子是apply的经典运用，他可以让你少写一些代码，多点时间陪陪朋友
地址是：
http://bbs.cnpythoner.com/viewthread.php?tid=139&extra=

该函数从2.3已经弃用，被call替代

Posted in: python

Python知识之什么是*args和**kwargs？

2012/06/10 by Crazyant 暂无评论

先来看个例子：

 

 

1 2 3 4 5 6 7 8 9 10

def foo(*args,**kwargs):     print'args = ',args     print'kwargs = ',kwargs     print'---------------------------------------'   if__name__=='__main__':     foo(1,2,3,4)     foo(a=1,b=2,c=3)     foo(1,2,3,4,a=1,b=2,c=3)     foo('a',1,None,a=1,b='2',c=3)

输出结果如下：

 

 

1 2 3 4 5 6 7 8 9 10 11 12

args=  (1,2,3,4) kwargs=  {} --------------------------------------- args=  () kwargs=  {'a':1,'c':3,'b':2} --------------------------------------- args=  (1,2,3,4) kwargs=  {'a':1,'c':3,'b':2} --------------------------------------- args=  ('a',1,None) kwargs=  {'a':1,'c':3,'b':'2'} ---------------------------------------

 

可以看到，这两个是python中的可变参数。*args表示任何多个无名参数，它是一个tuple；**kwargs表示关键字参数，它是一个dict。并且同时使用*args和**kwargs时，必须*args参数列要在**kwargs前，像foo(a=1, b=’2′, c=3, a’, 1, None, )这样调用的话，会提示语法错误“SyntaxError: non-keyword arg after keyword arg”。

呵呵，知道*args和**kwargs是什么了吧。还有一个很漂亮的用法，就是创建字典：

 

 

1 2 3

def kw_dict(**kwargs):         returnkwargs print kw_dict(a=1,b=2,c=3)=={'a':1,'b':2,'c':3}

 

其实python中就带有dict类，使用dict(a=1,b=2,c=3)即可创建一个字典了。

Posted in: python

Python中的操作符重载

2012/06/09 by Crazyant 2条评论

关于Python中的操作符重载，可以查看2.7.3文档地址：

http://docs.python.org/reference/datamodel.html#special-method-names

或者一篇详细的中文教程：

Python 魔术方法指南

类可以重载python的操作符，操作符重载使我们的对象与内置的一样。__X__的名字的方法是特殊的挂钩（hook），python通过这种特殊的命名来拦截操作符，以实现重载。 python在计算操作符时会自动调用这样的方法，例如：如果对象继承了__add__方法，当它出现在+表达式中时会调用这个方法。通过重载，用户定义的对象就像内置的一样。

在类中重载操作符

1. 操作符重载使得类能拦截标准的python操作。
2. 类可以重载所有的python的表达式操作符。
3. 类可以重载对象操作：print,函数调用，限定等。
4. 重载使得类的实例看起来更像内置的。
5. 重载是通过特殊命名的类方法来实现的。 [Read more…]

Posted in: python Tagged: 数据采集

数据采集技术之在Python中Libxml模块安装与使用XPath

2012/06/09 by Crazyant 7条评论

为了使用XPath技术，对爬虫抓取的网页数据进行抽取（如标题、正文等等），之后在Windows下安装libxml2模块（安装后使用的是Libxml模块），该模块含有xpath。

准备

需要的软件包：

• Python 2.7
• lxml-2.3.4.win32-py2.7.‌exe 安装最好使用已打包的exe，这个包可以自动安装好lxml来使用

安装

Python2.7的安装这里不再赘述

lxml的安装，直接运行exe，会自动找到py27的目录进行安装

使用XPath抽取

下面用一个实例来验证，程序来自redice’s Blog的文章：

libxml2库的安装，xpath的使用

 

 

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

#coding:utf-8   import codecs import sys #不加如下行，无法打印Unicode字符，产生UnicodeEncodeError错误。? sys.stdout=codecs.lookup('iso8859-1')[-1](sys.stdout)   from lxml import etree   html=r'''<div>     <div>redice</div>     <div id="email">[e-mail]</div>     <div name="address">中国</div>     <div>http://www.redicecn.com</div> </div>'''   tree=etree.HTML(html)   #获取email。email所在的div的id为email nodes=tree.xpath("//div[@id='email']") print nodes[0].text   #获取地址。地址所在的div的name为address nodes=tree.xpath("//div[@name='address']") print nodes[0].text   #获取博客地址。博客地址位于email之后兄弟节点的第二个 nodes=tree.xpath("//div[@id='email']/following-sibling::div[2]") print nodes[0].text

 

运行结果：

[e-mail]
中国
http://www.redicecn.com

Posted in: python

Python操作Mysql实例代码教程（查询手册）

2012/06/08 by Crazyant 暂无评论

本文介绍了Python操作MYSQL、执行SQL语句、获取结果集、遍历结果集、取得某个字段、获取表字段名、将图片插入数据库、执行事务等各种代码实例和详细介绍，代码居多，是一桌丰盛唯美的代码大餐。

实例1、取得MYSQL的版本

在windows环境下安装mysql模块用于python开发，请见我的另一篇文章：

MySQL-python Windows下EXE安装文件下载

 

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

# -*- coding: UTF-8 -*-   # 安装MYSQL DB for python import MySQLdb asmdb   con=None   try:     # 连接mysql的方法：connect('ip','user','password','dbname')     con=mdb.connect('localhost','root',         'root','test');       # 所有的查询，都在连接con的一个模块cursor上面运行的     cur=con.cursor()       # 执行一个查询     cur.execute("SELECT VERSION()")       # 取得上个查询的结果，是单个结果     data=cur.fetchone()     print"Database version : %s "%data finally:     ifcon:         # 无论如何，连接记得关闭         con.close()

执行结果：

Database version : 5.5.25

[Read more…]