點擊「無量測試之道」，選擇「星標公衆號」python
福利乾貨，第一時間送達！web
1、抓包分析
正則表達式
1、抓包分析
1.下載工具並安裝
若是咱們要進行抓包分析，首先，咱們必需要有一款抓包的工具，只有用工具抓到包，咱們才能進行分析，在這裏我介紹一款抓包軟件Fiddler，我這裏有這個軟件的分享：
連接：https://pan.baidu.com/s/1JvJvH7wfRLzALluOrOlcvQ
提取碼：9099
安裝不須要過多的說，按照上面提示的步驟裝就能夠了。api
2.Fiddler工具的使用
Fiddler
工具分爲四塊：顯示所抓的包、請求區、響應區和語句輸入區
（2）有的js包須要手動點擊一下，才能解析出來：
微信
（3）通常，咱們抓包分析都是點擊響應區中的TextView，再觀察。app
2、爬取騰訊視頻某視頻全部評論
1.思路分析
（1）進入到斗羅大陸動畫片的評論區：
Fiddler
，而後，刷新頁面，找到存放評論信息的js包：
（3）由於評論是手動點擊加載更多觸發的，全部，咱們多加載幾個：
框架
（4）觀察網址結構，得出結論：
dom
（5）下一個提取id我發現每次均可以在上一個js包中找到，這些js包像一個鏈表同樣，是鏈式連接的。下面的圖片是我在第一個js包中搜索第二個js包的id的例子：
編輯器
這樣，咱們就能找到全部的js包，從而爬取全部的評論。ide
2.具體代碼
#提取10次，每次提取10個
import urllib.request,time
import urllib.error
import random,re
'''
做用：該模塊爲爬蟲設置用戶和ip代理
參數：thisUrl是要爬取的網址
ip_pool是ip代理池
返回值：返回爬取網頁信息的二進制數據
'''
def ua_ip(thisUrl, ip_pool):
#構建用戶代理池
ua_pool = [
'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.26 Safari/537.36 Core/1.63.5558.400 QQBrowser/10.1.1695.400',
'User-Agent: Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SE 2.X MetaSr 1.0; SE 2.X MetaSr 1.0; .NET CLR 2.0.50727; SE 2.X MetaSr 1.0)',
'Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10.0.648.133 Safari/534.16',
'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/38.0.2125.122 UBrowser/4.0.3214.0 Safari/537.36',
'Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)',
"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; AcooBrowser; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0; Acoo Browser; SLCC1; .NET CLR 2.0.50727; Media Center PC 5.0; .NET CLR 3.0.04506)",
"Mozilla/4.0 (compatible; MSIE 7.0; AOL 9.5; AOLBuild 4337.35; Windows NT 5.1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)",
"Mozilla/5.0 (Windows; U; MSIE 9.0; Windows NT 9.0; en-US)",
"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Win64; x64; Trident/5.0; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 2.0.50727; Media Center PC 6.0)",
"Mozilla/5.0 (compatible; MSIE 8.0; Windows NT 6.0; Trident/4.0; WOW64; Trident/4.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; .NET CLR 1.0.3705; .NET CLR 1.1.4322)",
"Mozilla/4.0 (compatible; MSIE 7.0b; Windows NT 5.2; .NET CLR 1.1.4322; .NET CLR 2.0.50727; InfoPath.2; .NET CLR 3.0.04506.30)",
"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN) AppleWebKit/523.15 (KHTML, like Gecko, Safari/419.3) Arora/0.3 (Change: 287 c9dfb30)",
"Mozilla/5.0 (X11; U; Linux; en-US) AppleWebKit/527+ (KHTML, like Gecko, Safari/419.3) Arora/0.6",
"Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.2pre) Gecko/20070215 K-Ninja/2.1.1",
"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9) Gecko/20080705 Firefox/3.0 Kapiko/3.0",
"Mozilla/5.0 (X11; Linux i686; U;) Gecko/20070322 Kazehakase/0.4.5",
"Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.9.0.8) Gecko Fedora/1.9.0.8-1.fc10 Kazehakase/0.5.6",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20",
"Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; fr) Presto/2.9.168 Version/11.52",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",
"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",
"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E; LBBROWSER)",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER",
"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
"Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; QQBrowser/7.0.3698.400)",
"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",
"Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
"Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
"Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",
"Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5",
"Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre",
"Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0",
"Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11",
"Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10"
]
thisUA = random.choice(ua_pool) #從用戶代理池中隨機選擇一個用戶代理
thisIP = random.choice(ip_pool) #從ip代理池中隨機選擇一個ip代理
print("用戶代理：{}".format(thisUA))
print("ip代理：{}".format(thisIP))
#將IP代理格式化
proxy = urllib.request.ProxyHandler({'http': thisIP})
#安裝IP代理,並構建開啓工具
opener = urllib.request.build_opener(proxy, urllib.request.HTTPHandler)
#構造報頭
headers = ('user-agent', thisUA)
#安裝報頭
opener.addheaders = [headers]
#將opener設置爲全局
urllib.request.install_opener(opener)
#以二進制形式爬取信息
respense = urllib.request.urlopen(thisUrl)
data = respense.read()
respense.close() #避免持續連接致使被發現是爬蟲
return data
def main():
ip_pool = [
'127.0.0.1:8888'
]
v_id = '2369303789' #要爬取的視頻的id，這裏我爬取的是斗羅大陸的
c_id = '0' #第一次評論的id
num = '10' #每一頁提取的評論數數目
n = 1 #用來記錄獲取的評論總數
fp = open('D:\\python\\new.txt', 'a+')
for i in range(0, 10):
try:
# 網址格式：http://coral.qq.com/article/【視頻id】/comment/v2?callback=_article2369303789commentv2&orinum=【一次提取的評論數目】&oriorder=o&pageflag=1&cursor=【下一個視頻id】
url = 'http://coral.qq.com/article/'+ v_id +'/comment/v2?callback=_article2369303789commentv2&orinum='+ num +'&oriorder=o&pageflag=1&cursor='+c_id
#對獲取的二進制數進行解碼
data = ua_ip(url, ip_pool).decode('utf-8', 'ignore')
#構造獲取下一頁評論ip的正則表達式
pat1 = '"last":"(.*?)"'
c_ids = re.compile(pat1).findall(data)
c_id = c_ids[0] #c_ids是一個列表，獲取他的第一個元素就是下一頁評論id
#構造獲取評論內容的正則表達式
pat2 = '"content":"(.*?)"'
comment_list = re.compile(pat2).findall(data)
for comment in comment_list:
thisdata = "第"+str(n)+"個評論爲：" + eval('u"' + comment + '"')
print(thisdata)
fp.write(thisdata + '\n')
n += 1
except urllib.error.HTTPError as e:
if hasattr(e, 'code'):
print(e.code)
if hasattr(e, 'reason'):
print(e.reason)
except Exception as err:
print(err)
time.sleep(2) # 每爬取一頁，停頓2秒，減小頻率，從而減小被發現的概率
fp.close()
if __name__ == '__main__':
main()
3.結果展現
友情提示：「無量測試之道」原創著做，歡迎關注交流，禁止第三方不顯示文章來源時轉載。更多原創文章請掃碼關注查看，交流與合做請聯繫：loadkernel@126.com。
QQ技術交流羣：41564936
好文推薦
Python 測試框架之 Unittest & Pytest
AirTest-selenium基於Web實現UI自動化測試
python+robotframework實現接口自動化測試(一)
python+robotframework實現接口自動化測試(二)
給個[在看]
本文分享自微信公衆號 - 無量測試之道（gh_858a1aa25a6d）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。