寒假大数据学习笔记三

　　今天进入Python爬虫学习，具体学习内容为下载图片，爬取有道词典的翻译和简单的使用代理。

　　1、下载图片

　　非常简单的小脚本，在http://www.placekitten.com网上爬取猫咪的图片

　　代码如下

　　

from urllib import request


def door():
    url = "http://www.placekitten.com"
    req = request.Request(url)
    response = request.urlopen(req)
    kitten = response.read()
    with open("cat.jpg", "wb") as p:
        p.write(kitten)


def main():
    door()


if __name__ == '__main__':
    main()

　　2、爬取有道词典的翻译

　　打开开发者工具，选择network，然后输入要翻译的内容，点击翻译，network中就会出现如下内容

　　

　　我这里不知道为什么，点击翻译后总是出现“抱歉，请不要频繁请求服务”，同时也翻译不出东西。不过不大影响接下来的工作。点击Name下第一个“translate_o……”出现如下画面（需要注意的是，只有有道翻译是第一个，百度翻译不是，所以需要在一大堆请求中找到需要的）

　　

　　得到相应的Request URL参数（千万记得去掉_o，不然是会被反爬的！！！），一直下拉找到Form Data

　　将Form Data制作成字典来请求反馈

　　

data = {
        'i': ‘人生得意须尽欢’,
        'from': 'AUTO',
        'to': 'AUTO',
        'smartresult': 'dict',
        'client': 'fanyideskweb',
        'salt': '15805516827176',
        'sign': '17cf93ee9a11894806209a83c480ca2b',
        'ts': '1580551682717',
        'bv': '334720d41a1d174718af3a3d58d56f23',
        'doctype': 'json',
        'version': '2.1',
        'keyfrom': 'fanyi.web',
        'action': 'FY_BY_CLICKBUTTION'}

　　如此，得到字典

　　在得到Request URL和Data字典后，就可以进行爬取了，代码如下

　　

from urllib import request
from urllib import parse
import json
import time


def translation(string):
    url = "http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule"
    headers = {
        'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64) '
        'AppleWebKit/537.36 (KHTML, like Gecko) Chrome/78.0.3904.97 Safari/537.36'}
    data = {
        'i': string,
        'from': 'AUTO',
        'to': 'AUTO',
        'smartresult': 'dict',
        'client': 'fanyideskweb',
        'salt': '15805516827176',
        'sign': '17cf93ee9a11894806209a83c480ca2b',
        'ts': '1580551682717',
        'bv': '334720d41a1d174718af3a3d58d56f23',
        'doctype': 'json',
        'version': '2.1',
        'keyfrom': 'fanyi.web',
        'action': 'FY_BY_CLICKBUTTION'}
    data = parse.urlencode(data).encode("utf-8")
    req = request.Request(url, data, headers)
    response = request.urlopen(req)
    html = response.read().decode("utf-8")
    prasewords(html)


def prasewords(html):
    trans = json.loads(html)
    firstwords = trans['translateResult'][0][0]['src']
    finaltrans = trans['translateResult'][0][0]['tgt']
    output(firstwords, finaltrans)


def output(firstwords, finaltrans):
    print("您输入的是：%s" % firstwords)
    print("翻译结果是：%s" % finaltrans)


def main():
    while True:
        print("")
        string = input("请输入要翻译的内容(输入quit或q或exit均可退出程序)：")
        if string == 'quit' or string == 'q' or string == 'exit':
            break

        translation(string)
        time.sleep(3)


if __name__ == '__main__':
    main()

　　需要注意的是，有时需要加入headers，请求头中写入User-Agent（用户代理，在浏览器的地址栏输入　　　　about://version），否则默认User-Agent是Python自己的，访问会被拒绝。

　　3、简单的使用代理

　　这一步需要到网络上取搜索能用的免费ip代理地址（https://www.xicidaili.com/，当然，如果花钱买更好，

　　既稳定又快速），我尝试了不下50个，才勉强找到一个可用的。

　　首先找到一个可以查看自己IP地址的网页，抓取网页源代码，检查是否正常显示自己的IP地址。可以正常显示，进入下一步。不可以正常爬去网页源代码，更换网址或者加入请求头等操作直到可以正常显示。其次利用代码代理IP，再次抓取源码，检查IP是否被更换。代码如下

　　

import urllib.request


def proxyip():
    # 可以正常显示我的IP地址的网站
    url = "http://www.ccw.cc/ip/"
    # 使用代理IP的操作
    proxy_support = urllib.request.ProxyHandler(
        {'http': '58.212.43.145:9999'})
    opener = urllib.request.build_opener(proxy_support)
    urllib.request.install_opener(opener)
    # 更换IP后抓取源码
    req = urllib.request.Request(url)
    response = urllib.request.urlopen(req)
    # 读取并打印源码
    html = response.read().decode("utf-8")
    print(html)


if __name__ == '__main__':
    proxyip()

　　可以看到，IP地址已经被更换

　　

PS.

　　强烈推荐autopep8这个插件，用pycharm写代码没有autopep8简直就是地狱！代码会无时无刻不报PEP8警告，虽然不是错误，但密密麻麻的波浪线简直是要逼死强迫症！autopep8可以解决大多数格式问题。

　　简单叙述一下安装教程

　　1、直接用pycharm安装，全图形化操作

　　　　打开File—>Setting—>Project:xxx—>Project Interpreter

　　　　

　　　　点击+号，输入autopep8，耐心等待

　　　　直到出现

　　　　点击Install Package，一路等待安装成功。

　　2、使用pip安装

　　　　打开终端，输入（sudo）pip install autopep8，同样耐心等待安装成功

　　

　　3、配置autopep8

　　　　打开setting—>tools—>External Tools，点击加号，出现如下配置界面

　　　　

　　　　Name输入配置名称（随便输）。重点是Tools Settings的三个配置，Program输入autopep8所在位置，Arguments输入--in-place --aggressive --aggressive $FilePath$，Work directory输入$ProjectFileDir$，最后点击ok,配置成功！

　　　4、使用方法

　　　　在代码界面右击，找到External Tools，点击相应的配置名称，代码就不会报烦人的PEP8警告啦！