通过爬虫获取失踪儿童信息

一个人，一辆摩托车，车后插着一面寻子旗帜，很多人通过电影《失孤》认识了郭刚堂。二十多年来，他一直在锲而不舍地做一件事——寻找被拐走的儿子郭新振。7月13日，公安部在北京召开发布会，介绍电影《失孤》原型拐卖案件侦破情况：电影中的被拐儿童原型郭新振已被公安机关找到，犯罪嫌疑人被警方抓获。看了整个事件的来龙去脉真的很感动，父母的爱真的很伟大。
关于失踪儿童在我们国家依旧是一个很值得关注的群体，那么今天我们就通过爬虫来获取我们国家失踪儿童的数据，希望可以更好的帮助那些失踪的孩子早点回到父母的身边。
首先我们使用的是Selenium
1、获取http://bbs.baobeihuijia.com/forum-191-1.html这个版块上的所有分页页面链接
2、设置代理， 代理我们可以通过www.16yun.cn获取
3代码信息如下：
from selenium import webdriver
    import string
    import zipfile

    # 代理服务器(产品官网 www.16yun.cn)
    proxyHost = "t.16yun.cn"
    proxyPort = "31111"

    # 代理验证信息
    proxyUser = "16OKTFDX"
    proxyPass = "940952"

    def create_proxy_auth_extension(proxy_host, proxy_port,
                                   proxy_username, proxy_password,
                                   scheme='http', plugin_path=None):
        if plugin_path is None:
            plugin_path = r'D:/{}_{}@t.16yun.zip'.format(proxy_username, proxy_password)

        manifest_json = """
        {
            "version": "1.0.0",
            "manifest_version": 2,
            "name": "16YUN Proxy",
            "permissions": [
                "proxy",
                "tabs",
                "unlimitedStorage",
                "storage",
                "",
                "webRequest",
                "webRequestBlocking"
            ],
            "background": {
                "scripts": ["background.js"]
            },
            "minimum_chrome_version":"22.0.0"
        }
        """

        background_js = string.Template(
            """
            var config = {
                mode: "fixed_servers",
                rules: {
                    singleProxy: {
                        scheme: "${scheme}",
                        host: "${host}",
                        port: parseInt(${port})
                    },
                    bypassList: ["foobar.com"]
                }
              };

            chrome.proxy.settings.set({value: config, scope: "regular"}, function() {});

            function callbackFn(details) {
                return {
                    authCredentials: {
                        username: "${username}",
                        password: "${password}"
                    }
                };
            }

            chrome.webRequest.onAuthRequired.addListener(
                callbackFn,
                {urls: [""]},
                ['blocking']
            );
            """
        ).substitute(
            host=proxy_host,
            port=proxy_port,
            username=proxy_username,
            password=proxy_password,
            scheme=scheme,
        )

        with zipfile.ZipFile(plugin_path, 'w') as zp:
            zp.writestr("manifest.json", manifest_json)
            zp.writestr("background.js", background_js)

        return plugin_path

    proxy_auth_plugin_path = create_proxy_auth_extension(
        proxy_host=proxyHost,
        proxy_port=proxyPort,
        proxy_username=proxyUser,
        proxy_password=proxyPass)

    option = webdriver.ChromeOptions()

    option.add_argument("--start-maximized")

    # 如报错 chrome-extensions
    # option.add_argument("--disable-extensions")

    option.add_extension(proxy_auth_plugin_path)

    # 关闭webdriver的一些标志
    # option.add_experimental_option('excludeSwitches', ['enable-automation'])       

    driver = webdriver.Chrome(chrome_options=option)

    # 修改webdriver get属性
    # script = '''
    # Object.defineProperty(navigator, 'webdriver', {
    # get: () => undefined
    # })
    # '''
    # driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {"source": script})    



    driver.get("http://bbs.baobeihuijia.com/forum-191-1.html")
贴出代码的初衷是供大家学习爬虫，大家只是研究下网络框架即可，关于更多的爬虫知识大家可以积极交流学习。