1. 4種python爬蟲（3. 微信小程序，如，超級猩猩）
目錄:
1. PC網頁爬蟲
2. H5網頁爬蟲
3. 微信小程序爬蟲
4. 手機APP爬蟲
爬取超級猩猩的課表，該平台僅提供了微信小程序這一個途徑，前面兩種針對html網槐舉頁的爬取方式都不再適用。
採用抓包分析是我們制定方案的第一步。
我用的Mac電腦，fiddler只有一個簡化版，所以另找了Charles這個類似的軟體。啟動Charles的代理，在手機WIFI中設置好對應的代理就可以開抓了。但是，抓到的https包的內容都是亂碼，咋辦？
Charles中提供了ssl證書，在手機端安裝證書即可。推薦使用iPhone，直接安裝描述文件即可。Android手機必須使用吵配系統版本在7.0以下的才行，7.0以上還需要反編譯什麼的，太麻煩了。
很容易的定位到了超級猩猩微信小程序載入課表的後台介面。拿這個URL在瀏覽器里訪問試試，直接返回了json結果！超級猩猩很友好！
提取對應的鉛碰碧URL，放到瀏覽器中驗證，也可以支持返回json包，剩下就是分析一下這個json的數據結構，按照需要的方式導出了。
直接通過介面的爬取效率非常高，幾秒鍾就拉取了全國各個門店的排課，相當舒心。（下圖的錄屏沒有進行加速）
最後一個挑戰就是對只有Android/iOS的APP端應用數據的爬取。請看下一章
請點擊： <下一頁>
2. python爬蟲---爬取LOL雲頂之弈數據
本來是想爬取之後作最佳羈絆組合推算，但是遇到知識點無法消化（知識圖譜），所以暫時先不組合了，實力有限
庫的安裝
1.requests #爬取棋子數據
2.json #棋子數據為js動態，需使用json解析
3.BeautifulSoup
實戰前先新建個lol文件夾作為工作目錄，並創建子目錄data，用於存放數據。
1.爬取數據，新建個py文件，用於爬取雲頂數據，命念中塌名為data.py
1.1定義個req函數，方便讀取。//需設定編碼格式，否則會出現亂碼
def Re_data(url):
re = requests.get(url)
re.encoding = 'gbk'
data = json.loads(re.text)
return data['data']
1.2定義個Get函數，用於讀取數據並使用保存函數進行保存數據，保存格式為json。
def Get_data():
# 獲取數據並保存至data目錄
base_url = 'https://game.gtimg.cn/images/lol/act/img/tft/js/'培灶
chess = Re_data(base_url + 'chess.js')
race = Re_data(base_url + 'race.js')
job = Re_data(base_url + 'job.js')
equip = Re_data(base_url + 'equip.js')
Save_data(chess,race,job,equip)
1.3定義save函數實現讀取的數據進行文件保存，保存目錄為工作目錄下的data文件夾仔圓。
def Save_data(t_chess,t_race,t_job,t_equip):
with open('./data/chess.json','w') as f:
json.mp(t_chess,f,indent='\t')
with open('./data/race.json','w') as f:
json.mp(t_race,f,indent='\t')
with open('./data/job.json','w') as f:
json.mp(t_job,f,indent='\t')
with open('./data/equip.json','w') as f:
json.mp(t_equip,f,indent='\t')
1.4定義主函數main跑起來
if __name__ == '__main__':
start = time.time()
Get_data()
print('運行時間：' + str(time.time() - start) + '秒')
至此，數據爬取完成。
2.種族和職業進行組合。
2.1未完成 //未完成，使用窮舉方法進行組合會出現內存不夠導致組合失敗（for循環嵌套導致數組內存超限）
//待學習，使用知識圖譜建立組合優選，可參考：https://ya360.com/12447.html
期間遇到的問題：
1.爬取棋子數據時為動態js載入，需通過json模塊的loads方法獲取
2.3層for循環嵌套數據量大，導致計算失敗，需優化計算方法。
3. python爬蟲需要會什麼
python爬蟲要學什麼？讓我們一起了解一下吧！
1、學習計算機網路協議基礎，了解一個完整的網路請求過程，大致了解網路協議（http協議，tcp-ip協議），了解socket編程，為後期學習爬蟲打下扎實的基礎。
2、學習前端基礎，你需要掌握html、css和JavaScript之間的關系，瀏覽器的載入過程，ajax、json和xml，GET、POST方法。
3、學習python爬蟲相關知識，比如最常使用的爬蟲庫requests，要知道如何用requests發送請求獲取數據。網頁定位和選取，比如beautifulsoup、xpath、css選擇器，數據處理用正則表達式。
4、學習數據存儲知識，比如用python將抓取的數據自動導出Excel或者資料庫中。
拓展：爬蟲python能做什麼
1、收集數據
python爬蟲程序可用於收集數據。這也是最直接和最常用的方法。由於爬蟲程序是一個程序，程序運行得非常快，不會因為重復的事情而感到疲倦，因此使用爬蟲程序獲取大量數據變得非常簡單和快速。
2、調研
比如要調研一家電商公司，想知道他們的商品銷售情況。這家公司聲稱每月銷售額達數億元。如果你使用爬蟲來抓取公司網站上所有產品的銷售情況，那麼你就可以計算出公司的實際總銷售額。
3、刷流量和秒殺
刷流量是python爬蟲的自帶的功能。當一個爬蟲訪問一個網站時，如果爬蟲隱藏得很好，網站無法識別訪問來自爬蟲，那麼它將被視為正常訪問。
除了刷流量外，還可以參與各種秒殺活動，包括但不限於在各種電商網站上搶商品，優惠券，搶機票和火車票。
今天的分享就是這些，希望能幫助到大家！
4. 教你用Python寫一個爬蟲，免費看小說
這是一個練習作品。用python腳本爬取筆趣閣上面的免費小說。
環境：python3
類庫：BeautifulSoup
數據源： http://www.biqukan.cc
原理就是偽裝正常http請求，正常訪問網頁。然後通過bs4重新解析html結構來提取有效數據。
包含了偽裝請求頭部，數據源配置（如果不考慮擴展其他數據源，可以寫死彎螞）。纖鬧伏
config.py文件
fiction.py文件
summary.py文件
catalog.py文件
article.py文件
暫沒有做數據保存模塊。如果需要串起來做成一個完整的項目的話，只需要把小說數據結構保存即可（節省磁碟空間）。通過小說url可以很快速的提取出小說簡介、目錄、每一章的毀攜正文。
如果想要做的更好，可以把目錄，介紹、正文等部分緩存起來，當然得有足夠的空間。
5. Python 爬蟲的入門教程有哪些值得推薦的
Python 爬蟲的入門教程有很多值得推薦的，以下是一些比較受歡迎和推薦的教程：
1.《精通 Python 網路爬蟲》：這本書是一本入門級的 Python 爬蟲教程，適合初學者學習。
Python3 網路爬蟲實戰：這是一個在線教程，詳細介紹了 Python 爬蟲的基礎知識，包括爬蟲的原理、如何使用 Python 爬取網頁、如何使用正則表達式和 XPath 解析網頁等。
Python 爬蟲指南：這是一個在線教程，通過幾個簡單的例子來介紹 Python 爬蟲的基礎知識。
網路爬蟲實戰：這是一個在線課程，通過幾個實際案例來介紹 Python 爬蟲的基礎知識和進階技巧。
Python 爬蟲實戰：這是一個在線課程，通過幾個實際案例來介紹 Python 爬蟲的基礎知識和進階技巧。
以上是一些比較受歡迎和推薦的 Python 爬蟲入門教程，你可以根據自己的需求和學習進度選擇適合自己的教程。
bilibili上也有一些視頻教程。
6. python 爬蟲自學要多久
自學的話，根據每個人的情況來說，學習周期是不同的，如果沒有任何基礎，零基礎小白進行Python學習的話，需要先進行簡單的Python基礎知識學習，就需要三個月左右的時間，然後再進行爬蟲知識的學習，少則半年左右；如果參加Python培訓的話，從入門到精通，學習周期五個月就可以了，學習內容更加系統化，符合企業用人需求，選擇的應用領域更廣泛。
7. 爬蟲python入門難學嗎
爬蟲是大家公認的入門Python最好方式，沒有之一。雖然Python有很多應用的方向，但爬蟲對於新手小白而言更友好，原理也更簡單，幾行代碼就能實現基本的爬蟲，零基礎也能快速入門，讓新手小白體會更大的成就感。因此滾碰緩小編整理了新手小白必看的Python爬蟲學習路線全面指導，希望可以幫到大家。
1.學習 Python 包並實現基本的爬蟲過程
大部分爬蟲都是按「發送請求——獲得頁面——解析頁面——抽取並儲存內容」這樣的流程來進行，這其實也是模擬了我們使用瀏覽器獲取網頁信息的過程。Python中爬蟲相關的包很多：urllib、requests、bs4、scrapy、pyspider 等，建議從requests+Xpath 開始，requests 負責連接網站，返回網頁，Xpath 用於解析網頁，便於抽取數據。
如果你用過 BeautifulSoup，會發現 Xpath 要省事不少，一層一層檢查元素代碼的工作，全都省略了。這樣下來基本套路都差不多，一般的靜態網站根本不在話下。當然如果你需要爬取非同步載入的網站，可以學習瀏覽器抓包分析真實請求或者學習Selenium來實現自動化。
2.了解非結構化數據的存儲
爬回來的數據可以直接用文檔形式存在本地，也可以存入資料庫中。開始數據量不大的時候，你可以直接通過 Python 的語法或 pandas 的方法將數據存為csv這樣的文件。當然你可能發現爬回來的數據並不是干凈的，可能會有缺失、錯誤等等，你還需要對數據進行清洗，可以學習 pandas 包的基本用法來做數據的預處理，得到更干凈的數據。
3.學習scrapy，搭建工程化爬蟲
掌握前面的技術一般量級的數據和代碼基本沒有問題了，但是在遇到非大模常復雜的情況，可能仍然會力不從心，這個時候，強大的 scrapy 框架就非常有用了。scrapy 是一個功能非常強大的爬蟲框架，它不僅能便捷地構建request，還有強大的 selector 能夠方便地解析 response，然而它最讓人驚喜的還是它超高的性能，讓你可以將爬蟲工程化、模塊化。學會 scrapy，你可以自己去搭建一些爬蟲框架，你就基本具備Python爬蟲工程師的思維了。
4.學習資料庫知識，應對大規模數據存儲與提取
Python客棧送紅包、紙質書
爬回來的數據量小的時候，你可以用文檔的形式來存儲，一旦數據量大了，這就有點行不通了。所以掌握一種資料庫是必須的，學習目前比較主流的 MongoDB 就OK。MongoDB 可以方便你去存儲一些非結構化的數據，比如各種評論的文本，圖片的鏈接等等。你也可以利用PyMongo，更方便地在Python中操作MongoDB。因為這里要用到的資料庫知識其實非常簡單，主要是數據如何入庫、如何進行提取，在需要的時候再學習就行。
5.掌握各種技巧，應對特殊網站的反爬措施
當然，爬蟲過程中也會經歷一些絕望啊，比如被網站封IP、比如各種奇怪的驗證碼、userAgent訪問限制、各種動態載入等等。遇到這些反爬蟲的手段，當然還需要一些高級的技巧來應對，常規的比如訪問頻率控制、使用代理IP池、抓包、驗證碼的OCR處理等吵旁等。往往網站在高效開發和反爬蟲之間會偏向前者，這也為爬蟲提供了空間，掌握這些應對反爬蟲的技巧，絕大部分的網站已經難不到你了。
6.分布式爬蟲，實現大規模並發採集，提升效率
爬取基本數據已經不是問題了，你的瓶頸會集中到爬取海量數據的效率。這個時候，相信你會很自然地接觸到一個很厲害的名字：分布式爬蟲。分布式這個東西，聽起來很恐怖，但其實就是利用多線程的原理讓多個爬蟲同時工作，需要你掌握Scrapy+ MongoDB + Redis 這三種工具。Scrapy 前面我們說過了，用於做基本的頁面爬取，MongoDB 用於存儲爬取的數據，Redis 則用來存儲要爬取的網頁隊列，也就是任務隊列。所以有些東西看起來很嚇人，但其實分解開來，也不過如此。當你能夠寫分布式的爬蟲的時候，那麼你可以去嘗試打造一些基本的爬蟲架構了，實現一些更加自動化的數據獲取。
只要按照以上的Python爬蟲學習路線，一步步完成，即使是新手小白也能成為老司機，而且學下來會非常輕松順暢。所以新手在一開始的時候，盡量不要系統地去啃一些東西，找一個實際的項目，直接開始操作。
其實學Python編程和練武功其實很相似，入門大致這樣幾步:找本靠譜的書,找個靠譜的師傅，找一個地方開始練習。
學語言也是這樣的：選一本通俗易懂的書，找一個好的視頻資料，然後自己裝一個IDE工具開始邊學邊寫。
7.給初學Python編程者的建議：
①信心。可能你看了視頻也沒在屏幕上做出點啥，都沒能把程序運行起來。但是要有自信，所有人都是這樣過來的。
②選擇適合自己的教程。有很早的書籍很經典，但是不是很適合你，很多書籍是我們學過一遍Python之後才會發揮很大作用。
③寫代碼，就是不斷地寫，練。這不用多說，學習什麼語言都是這樣。總看視頻，編不出東西。可以從書上的小案例開始寫，之後再寫完整的項目。
④除了學Python，計算機的基礎也要懂得很多，補一些英語知識也行。
⑤不但會寫，而且會看，看源碼是一個本領，調試代碼更是一個本領，就是解決問題的能力，挑錯。理解你自己的報錯信息，自己去解決。
⑥當你到達了一個水平，就多去看官方的文檔，在CSDN上面找下有關Python的博文或者群多去交流。
希望想學習Python的利用好現在的時間，管理好自己的學習時間，有效率地學習Python，Python這門語言可以做很多事情。
8. Python爬蟲實戰（3）selenium完成瀑布流數據爬取
爬取時間：2021/01/27
系統環境：Windows 10
所用工具：Jupyter NotebookPython 3.0
涉及的庫：selenium
蛋肥想法： 藉助selenium，實現對「查看更多」的自動點擊，目標是獲取2020年的文章相關數據。
蛋肥想法： 36氪的數據很滿足強迫症，沒有空格換行，只需篩選出2020年的數據保存。
蛋肥想法： 此次重點是學習selenium，所以只簡單做一下數據可視化。
9. 幾個非常適合新手練習python爬蟲的網頁，總有
如果不想去內容裡面抓圖片的話，可以只抓縮略圖，就是這個頁面顯示的圖片，它在json數據中的image_list中，注意，將url中的list換成origin，就是大圖哦！