爬虫实习小结

这两天找了个实习，名义是python工程师，其实就是写爬虫+整合到django。实习很奇葩，还有试用期的，现在试用期过了等后续安排，正好整理下这几天写爬虫的一些心得体会。

首先，感觉写爬虫真的是个经验活，一般的网站说白了就是不停往request里试参数。直接爬不行加headers=试试，看有提交的表单就加个data=试试。这里要区分下的是POST方法对应的是Form Data，可以通过request的data参数实现

request.post（data=data）

而GET方法对应的是Query String Parameters，一般采用拼接url的方法

base_url+urllib.urlencode(data)

至于提交表单的内容是什么，就要靠自己看html的标签或者js的函数得知，一般来说都能在html的源码里搜索到，可能是商品id，可能是页面相对路径的一部分，可能和时间相关，当然那些反爬网站提交的表单都是加密的，要想真正破解就要靠猜和试了。

然后对于一些需要模拟登录的网站，不需要验证码的话利用上面说的GET和POST表单应该就能解决，但有的网站还需要提供cookies，这时request就要包含cookies参数了。

requests.get(url, headers=header, cookies=cookie_dict)

而对于一些需要验证码登录的网站，也可以考虑先登录进去，然后复制下来登陆后的cookies，再利用其模仿登陆后的状态，但这招不一定总能成功。

说到这里突然想起之前爬学校能源网站查电费时，它一个非登录功能居然也要提供cookies才能成功响应，不知道是不是和框架有关，但总觉得好多此一举...

最后想