在Python中使用cookielib和urllib2配合PyQuery抓取网页信息

刚才好无聊，突然想起来之前做一个课表的点子，于是百度了起来。

刚开始，我是这样想的：在写微信墙的时候，用到了urllib2【两行代码抓网页】，那么就只剩下解析html了。于是百度：python解析html。发现一篇好文章，其中介绍到了pyquery。

pyquery 是 jquery 在 python 中的实现，能够以 jquery 的语法來操作解析 html 文档。使用前需要安装，mac安装方法如下：

sudo easy_install pyquery

ok！安装好了！

我们来试一试吧：

from pyquery import pyquery as pq
html = pq(url=u'http://seam.ustb.edu.cn:8080/jwgl/index.jsp')
#现在已经获取了本科教学网首页的html
classes = html('.haveclass')
#通过类名获取元素
#如果你对jquery熟悉的话，那么你现在肯定明白pyquery的方便了
更多用法参见pyquery api

好像学会了使用pyquery就能抓课表了呢，但是，如果你直接用我的源码，肯定会出错。因为还没有登录啊！

所以，在运行这一行抓取正确的代码之前，我们需要模拟登录本科教学网。这个时候，我想起来urllib有模拟post请求的函数，于是我百度了：urllib post。

这是一个最简的模拟post请求例子：

import urllib
import urllib2
import cookielib

cj = cookielib.cookiejar()
opener = urllib2.build_opener(urllib2.httpcookieprocessor(cj))
opener.addheaders = [('user-agent','mozilla/4.0 (compatible; msie 7.0; windows nt 5.1)')]
urllib2.install_opener(opener)
req = urllib2.request("http://seam.ustb.edu.cn:8080/jwgl/login",urllib.urlencode({"username":"41255029","password":"123456","usertype":"student"}))
req.add_header("referer","http://xxoo.com")
resp = urllib2.urlopen(req)
#这里面用到了cookielib，我不太清楚，以后慢慢了解吧
#还用到了urllib和urllib2，urllib2大概是urllib的扩展包【233想到了三国杀

在这个最简的实例里，用我的校园网账号向登录页面提交表单数据，模拟登录。

现在，我们已经登录了本科教学网，然后结合之前的pyquery解析html就可以获取网页内的课表了。

html = pq(url=u'http://seam.ustb.edu.cn:8080/jwgl/index.jsp')
self.render("index.html",data=html('.haveclass'))

结果展示如图：

最后：

我发现，pyquery不但用于解析html非常方便，而且可以作为跨域抓取数据的工具，nice!!!

希望对大家有帮助。