新农网_同页面,多种编码,破译编码抓取(源码)_一蓑烟雨任平生

Python解决反爬机制_滑块解锁的思路以及踩的坑+心得_一蓑烟雨任平生 文章目录前言一、下载滑块与背景图二、对比像素算出距离三、模仿人为滑动破解总结 前言 网上的的滑块解锁图形,五花八门,十个里面九个瘫,步步都是坑 一、下载滑块与背景图 二、对比像素算出距离 三、模仿人为滑动破解 总结 ... 阅读详情

这个反解密搞了我一下午,网页编码一会UTF-8,一会ISO-8859-1,一会GBK,网上的说法不一,都没卵用,最后自己摸索出来的,对全文解码GBK,当遇到别的进行忽略,decode(‘gbk’, ‘ignore’)

废话不多说,直接上代码

今天要倒霉的网站是新农网

# -*- coding: utf-8 -*-
import requests
import pymysql
from bs4 import BeautifulSoup  # 用来解析网页
import uuid
import time

url = "http://www.xinnong.net"

farmType = ["t20354", "t20349", "t20346"]
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/52.0.2743.116 '
                  'Safari/537.36',
    'Accept-Language': 'zh-CN,zh;q=0.8'
}
conn = pymysql.connect(host='127.0.0.1', user='root', passwd='123456', db='zhang', charset='utf8')
cur = conn.cursor()
print("连接成功")

for tt in farmType:
    for i in range(1, 2):  # 爬取第一页到第3页的数据
        resp = requests.get(f"https://www.nongjx.com/subweb/{tt}/tech.html", headers=headers)

        page_one = BeautifulSoup(resp.content.decode('gbk'), "html.parser")

        dd = page_one.find('div', class_='newslist').find_all('li')
        for ss in dd:
            sUrl = url + ss.find('a')['href']
            # 打开二级网页进行爬取
            rp = requests.get(sUrl, headers=headers)
            page_two = BeautifulSoup(rp.content.decode('gbk', 'ignore'), "html.parser")
            papaer_id = str(uuid.uuid1())
            # 标题
            title = page_two.find('div', class_='arctit').find('h1').text
            # 来源
            source = page_two.find('div', class_='arctit').find('div', class_='arcinfo').text.split('来源')[1][1:]
            # 时间
            timet = page_two.find('div', class_='arctit').find('div', class_='arcinfo').text[5:15]
            # 摘要
            desc = page_two.find('div', class_='arcdes').text.strip('摘要:')
            # 内容
            content = page_two.find('div', id='article').text.strip()
            if tt == 'shucai' or tt == 'shiyongjun':
                p_type = "温室大棚"
            elif tt == 'xuqin' or tt == 'shuichan':
                p_type = "畜牧水产"
            else:
                p_type = "大田林业"
            sql = "insert into knowledge(id,title,source,timet,descrip,content,p_type,url) VALUES (%s,%s,%s,%s,%s,%s,%s,%s)"
            cur.execute(sql, (papaer_id, title, source, timet, desc, content, p_type, sUrl))
        print("SQL正在执行第{}页执行完毕".format(i))
        conn.commit()
        time.sleep(1)  # 防止服务器蹦了,间隔一秒钟
cur.close()
conn.close()

在这里插入图片描述

惠农网_破译反爬虫_使用代理IP爬取数据(源码)_一蓑烟雨任平生 费话不多说直接上代码 今天要倒霉的网站是www.cnhnb.com import requests from bs4 import BeautifulSoup # 用来解析网页 import uuid import pymysql import time # 导入时间隔 import random from fake_useragent import UserAgent cookk = { 'Cookie': 'sessionId=S_0KHA8RH66NM124OL; Hm_lvt_91cf 阅读详情

相关推荐

Keil MDK安装NRF52832开发环境全攻略(附系统时间错误解决方案)

本文详细介绍了如何使用Keil MDK搭建NRF52832开发环境,包括基础软件安装、项目配置关键步骤以及常见问题解决方案。特别针对系统时间错误导致的编译失败问题提供了实用解决方法,帮助开发者快速上手NRF52832开发。

weixin_29168153的博客 505

高效破解Base编码解码的安全工具:BaseCrack全面解析

在网络安全领域,Base64解码工具是每位安全研究者和CTF爱好者必备的利器。当面对多重编码破解的复杂场景时,手动逐层解码不仅耗时费力,还容易出错。BaseCrack作为一款强大的CTF安全工具,能够快速识别并解码各种字母数字Base编码方案,极大提升了编码破解效率。 ## 破解编码困境:BaseCrack的核心价值 你是否曾遇到过这样的情况:拿到一个Base64编码的字符串,解码后发现是Ba

gitblog_00757的博客 208

GEE|基于时间序列特征的山东省玉米随机森林分类代码

主题思路: 本实验为二分类实验,分类目标包括:玉米、其他(建筑、水体、水稻、 裸地、森林、小麦、道路、大蒜等),采用人工设计的特征指数的时间序列特征为分类依据,选取分类器为:随机森林分类器,并选取样本集中 70%作为训练样本,30%作为测试样本,通过调整随机森林棵数,调整分类器结构。选取以下参数进行分类: ⚫ 时间尺度:1990 年 4 月 15 日 - 1990 年 9 月 30 日 ⚫ 空间尺度:山东省 ⚫ 影像融合时间间隔:16天 ⚫ 特征值选择:['nir','ndvi'...

weixin_46493028的博客 7466

字符集和字符编码

转自:http://www.admin10000.com/document/6037.html 非常感谢作者的无私奉献! 背景:字符集和编码无疑是IT菜鸟甚至是各种大神的头痛问题。当遇到纷繁复杂的字符集,各种火星文和乱码时,问题的定位往往变得非常困难。本文就将会从原理方面对字符集和编码做个简单的科普介绍,同时也会介绍一些通用的乱码故障定位的方法以方便读者以后能够更从容的定位相关问

a549871449的专栏 853

HIL(硬件在环)技术汇总梳理

HIL(Hardware-in-the-Loop)测试领域的知名公司有dSPACE、NI、Vector和speedgoat等,本文是针对这几家HIL技术的对比分析。

Mr.Cssust的博客 3684

基于STM32的RS485土壤氮磷钾与PH传感器数据采集与OLED显示实战(附完整代码)

本文详细介绍了基于STM32单片机通过RS485协议采集土壤氮磷钾与PH传感器数据的实战项目。涵盖硬件选型、连接方法、Modbus-RTU通信协议解析、STM32程序实现及OLED显示,提供完整代码和调试技巧,适用于农业物联网环境监测系统。

kotlin6android的博客 333

竹杖芒鞋轻胜马,谁怕?一蓑烟雨任平生

来传智有四个月了吧,这四个月我们学到了不少内容,然而激情退却过后更多的却是平淡,每天的学习很平淡,亦或许还有些枯燥,或许我们曾有过懈怠,但我们不曾放弃,在最为简单的页面和js语言基本知识及用法之后,我们迎来了更多的插件与框架…    从jquery到web移动前端,每天我们都要和不同的插件打交道,虽然已经接触不少了,但是我觉得我们所能领悟掌握的仍是寥寥可数,或许以前的课程每天我们都能烂熟于心,然而...

qq_39581763的博客 1063

VMware 虚拟机里连不上网的五种解决方案

在VMware虚拟机里的虚拟机系统连接不上网络 首先,注意查看适配器选项里的网络连接这两个网络连接是否存在,如果不存在可以重新装一下VM 如果存在,连不上网 解决办法一: 虚拟机设置里,找到“网络适配器”,右边的网络连接选择“NAT 模式”,如果不行的话再linux系统。还是不行的话接着看第二种解决方案。 解决方法二: 可能原因是VMware NET Service...

墨轩 18万+

cipherGAN:利用GAN破译密码算法

2016年google推出一篇文章,利用生成对抗网络保护通信(Learning to Protect Communications with Adversarial Neural Cryptography),设计了基于生成对抗网络GAN的私钥加密算法和公钥加密算法,2018年,Aidan N. Gomez往ICLR会议投稿Unsupervised cipher cracking using dis...

陶将的博客 3111

无人驾驶之车辆控制(1)纯跟踪(Pure Pursuit)算法与Stanley算法

目录引言1 Pure Pursuit纯几何跟踪算法1.1 车辆运动学自行车模型1.2 算法原理1.3 仿真测试2 Stanley算法2.1 算法原理2.2 仿真测试3 总结 引言 本文对Pure Pursuit以及Stanley control两种算法进行了调研以及初步的性能摸底。 1 Pure Pursuit纯几何跟踪算法 1.1 车辆运动学自行车模型 运动学是从几何学的角度研究物体的运动规律,...

zxxxxxxy的博客 2万+

Geogebra中级篇016—矩阵(Matrices)

在GeoGebra中,矩阵是一种强大的工具,广泛应用于线性代数、几何变换和数据处理等领域。通过矩阵,我们可以轻松实现复杂的计算和图形变换,如旋转、平移和缩放等操作。不仅如此,GeoGebra的矩阵功能还支持多种运算,如加法、乘法、求逆等,使得用户能够高效地处理线性方程组和向量空间问题。在本文中,我们将深入探讨GeoGebra中的矩阵功能,详细介绍如何创建矩阵、执行常见的矩阵运算,并通过实例展示这些操作在数学和工程应用中的实际价值。这篇文章将为你提供关于GeoGebra矩阵操作的全面指南。

八荒启-交互动画的博客 2579

记录一个破解编码的网站

http://www.ofmonkey.com/encode/url

foryai的博客 1071

开源机器人库orocos KDL 学习笔记(二):Geometric

开源机器人库orocos KDL 学习笔记二:Geometric 如果按照上一篇搭建的VS2015 orocos KDL环境,会出现3个例程:geometry, chainiksolverpos_lma_demo, trajectory_example. 这一篇看一下geometry的例程。 在frames.hpp中,定义了这些class: - class Vector - class R

行者无疆的博客 6703

基本编码和破解

文章目录原理Test1内容代码参考Test2内容代码参考Test3内容代码参考Test4题目代码参考说明 原理 Base64是网络上最常见的用于传输8Bit字节码的编码方式之一,它是一种基于64个可打印字符来表示二进制数据的方法,可用于在HTTP环境下传递较长的标识信息。 Base64要求把每三个8Bit的字节转换为四个6Bit的字节(38 = 46 = 24),然后把6Bit再添两位高位0,组成...

zev的博客 6694

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Python爬虫_宅男福利?妹纸勿点__一蓑烟雨任平生

咳咳直接上代码 #!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2020/12/15 19:10 # @Author : huni # @File : 图库大全1000.py # @Software: PyCharm import requests from lxml import etree import os if __name__ == '__main__': headers = { 'User-A

Jaeger_Java的博客 1万+

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Python获取昨天日期&datetime&timedelta&strftime()用法——一蓑烟雨任平生

笔记 def getYesterday(): # 获取昨天日期的字符串格式的函数 #获取今天的日期 today = datetime.date.today() #获取一天的日期格式数据 oneday = datetime.timedelta(days=1) #昨天等于今天减去一天 yesterday = today - oneday #获取昨天日期的格式化字符串 yesterdaystr = yesterday.strftime('%Y-%m-%d')

Jaeger_Java的博客 6823

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

Python爬取彼岸图网10万张高清图片(入门级爬虫)_一蓑烟雨任平生

来张爬取的美女镇楼 先上代码,再给你讲解 import re import requests import os import easygui (min, max) = easygui.multenterbox(fields=['起始数', '终止数'], values=['1', '100']) min = int(min) max = int(max) if os.path.exists('zhiwei'): os.chdir('zhiwei') else: os.mkdir('z

Jaeger_Java的博客 2188

Python两种获取cookie方法以及拼接cookie_一蓑烟雨任平生

文章目录前言cookie有什么用呢?下面两种法介绍获取网页Cookieselenium获取cookie后进行组装requests获取cookie总结 前言 cookie有什么用呢? 我的理解就是保持登录状态,有时候爬取网页不需要输入账号密码,就是因为携带了cookie 下面两种法介绍获取网页Cookie selenium获取cookie后进行组装 cookie = driver.get_cookies() pp = '' for i, key in enumerate(cookie[0]):

Jaeger_Java的博客 2058

惠农网_爬取二级网页内容(源码)_一蓑烟雨任平生

废话不多说,直接上代码 今天倒霉的网站是惠农网供应大厅 import requests import pymysql from bs4 import BeautifulSoup # 用来解析网页 from fake_useragent import UserAgent import uuid import time cookk = { 'Cookie': 'sessionId=S_0KHA8RH66NM124OL; Hm_lvt_91cf34f62b9bedb16460ca36cf192f4c=

Jaeger_Java的博客 2022

Python图片下载器(单线程PK多线程)_一蓑烟雨任平生

文章目录前言一、有编程基础的看这个二、没编程基础的看这个总结 前言 最近电脑总是弹出少儿不宜网站,关了,过两天又出来,我真的受不了了,那就盘它好了,本博客分两部分,针对小白一份源码,针对不会编程的人群一份exe,双击就可以了 一、有编程基础的看这个 # 爬取妹子图全网妹子图片,可以选择爬取年份,自动分类保存 import requests, os, time import urllib3 # 这个纯粹防止warning提示,没啥作用 import easygui urllib3.disable_war

Jaeger_Java的博客 1921

一行代码搭建一个简易的本地文件服务器_附带外网教程_一蓑烟雨任平生

文章目录前言一、提前准备1.首先你要有Python环境2.下载个utool3.cmd查看本地ip二、三步搭建1.一行代码2.启动服务三、测试1.内网测试2.外网测试1.配置utool内网穿透2.看看外网效果四、改良1.bat一键启动2.双击运行总结 前言 有时候下载东西好慢,传输数据无论是同个公司下或者别的公司,或者朋友的文件,用qq传输,几个G还可以,用微信传输200M以上文件就无法传输了,如果是几十个G的话是不是心态就炸了 一、提前准备 1.首先你要有Python环境 没环境你玩个毛啊 2.下载

Jaeger_Java的博客 1840

Python抖音去水印_一步到位_一蓑烟雨任平生

直接上代码 import requests import json import easygui from tkinter import messagebox from tkinter import * top = Tk() top.withdraw() class douyin_video(): def __init__(self): self.headers = {'Accept': 'text/html,application/xhtml+xml,applicatio

Jaeger_Java的博客 1682

中国农业信息网_爬取新闻详情(源码)_一蓑烟雨任平生

废话不多说直接上代码 今天要倒霉的网站是全国农业信息网 import requests import pymysql from bs4 import BeautifulSoup # 用来解析网页 import uuid import time url = "http://www.agri.cn/V20/ZX/qgxxlb_1" headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KH

Jaeger_Java的博客 1498

Python将网页转成pdf神器pdfkit库的使用__一蓑烟雨任平生

文章目录前言先看下成果图哈一、安装必要软件二、开怼代码1.引入库2.导包3.糟糕网站4.创建对象HtP5.获取链接思路:6.获取正文内容7.循环每个内容拼接成大的页面8.开始打印内容!打印为什么不直接打印内容?那三个参数分别代表什么?9.最后一步来个main跑起来最后,附上源码?总结 前言 有的网页查看起来不是很方便,于是就想到了,转成pdf转下来慢慢看? 先看下成果图哈 最终效果就是这样子,感觉是不是很炫酷,哈哈哈 一、安装必要软件 wkhtmltopdf,这个工具的下载网站是:点这里 感觉下载慢

Jaeger_Java的博客 1495

Python爬虫脚本,初级入门爬取英雄联盟所有皮肤(源码)

import requests import os # 创建lol文件夹 os.mkdir("lol") # 2.读取js文件,获取英雄id(hero_id) url = 'https://game.gtimg.cn/images/lol/act/img/js/heroList/hero_list.js' headers = {'User-Agent':'Mozilla/5.0 (Window...

Jaeger_Java的博客 1321

Python selenium自动化脚本右键保存图片_一蓑烟雨任平生

文章目录前言一、第一种方法:win32api二、第二种方法:pyautogui总结 前言 右键保存,网上找到了一些代码,执行后,没效果 from selenium.webdriver.common.action_chains import ActionChains from selenium import webdriver chromedriver = "D:\python3.6\Scripts\chromedriver.exe" driver = webdriver.Chrome(chromedriv

Jaeger_Java的博客 1310
上一篇: 中国农网_数据抓取(源码)_一蓑烟雨任平生
下一篇: 农机网_多模板页面,无限if抓取(源码)_一蓑烟雨任平生
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值