day001 爬虫学习基础

安装爬虫使用的常用工具

1. curl
2. wget
3. httpie

使用的库

1. urllib
2. requests
3. lxml
4. bs4[^全称]

[^ 全称] :beautiful soup

curl 的使用

apt install curl
pip3 install curl

注意：安装的时候可能会遇到报错，又可能是openssl没装

apt install openssl
apt install openssl-dev

1. curl命令
   • 查看/帮助命令

man	curl
curl --help

+ 常用命令

curl http://www.baidu.com

参数	说明	示例
-A	设置user-agent	curl -A “usename” http://www.baidu.com
-X	用指定方法请求	url -X POST http://httpbin.org/post
-I	只返回请求的头信息	curl -I http://www.baidu.com
-d	以POST方法请求url，并发送相应的参数	url -X POST -d "a=1&b=2&c=3"http://httpbin.org/post 参数格式： -d “a=1&b=2&c=3” -d a=1 -d b=2 -d c=3 -d @filename
-O	下载文件并以远程的文件名保存	curl -O http://httpbin.org/image
-o	下载文件并指定的文件名保存	curl -o fox.jpeg http://httpbin.org/image
-L	跟随重定向请求	curl -IL https://baidu.com
-H	设置头信息	curl -o image.webp -H “accept:image/webp” http://ettpbin.org/image
-k	允许发起不安全的SSL请求	curl -k
-b	设置cookies	curl -b a=test http://httpbin.org/cookies
-s	不显示其他无关信息
-v	显示连接过程中的所有信息

• 自定义一个命令，查看本机外网IP

alias outip = "curl -s http://httpbin.org/get | grep -E '\d+' | grep -v User-Agent | cut -d '\"' -f4 "

wget

参数	说明	示例
-O	以指定文件名保存下载的文件	wget -O test.png http://httpbin.org/image/png
–limit-rate	以指定的速度下载目标文件	–limit-rate=200k
-c	断点续传
-b	后台下载
-U	设置User-Agent
–mirror	镜像某个目标网站
-p	下载页面中的所有相关资源
-r	递归下载所有网页中所有的链接

httpie

apt install httpie
pip3 insatll httpie

http http://www.baidu.com

xpath

云服务代理

yum install tinyproxy
vim /etc/tinyproxy/tinyproxy.conf
-- conf按着下面的两张图片设置完成
--------------------------------
restart tinyproxy
tail -f /var/log/tinyproxy/tinyproxy.log
===========================
export HTTP_PROXY=http://ip:端口
curl http://httpbin.org/ip
================
阿里云去打开端口（安全组/安全）

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

1. 全新的界面设计 ，将会带来全新的写作体验；
2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
4. 全新的 KaTeX数学公式 语法；
5. 增加了支持甘特图的mermaid语法¹ 功能；
6. 增加了 多屏幕编辑 Markdown文章功能；
7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
8. 增加了 检查列表 功能。

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H₂O is是液体。

2¹⁰ 运算结果是 1024.

插入链接与图片

链接: link.

图片:

带尺寸的图片:

居中的图片:

居中并且带尺寸的图片:

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

• 项目
  • 项目
    • 项目

1. 项目1
2. 项目2
3. 项目3

• 计划任务
• 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPE	ASCII	HTML
Single backticks	'Isn't this fun?'	‘Isn’t this fun?’
Quotes	"Isn't this fun?"	“Isn’t this fun?”
Dashes	-- is en-dash, --- is em-dash	– is en-dash, — is em-dash

创建一个自定义列表

Markdown

Text-to-HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。²

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma(n) = (n-1)!\quad\forall n\in\mathbb N$Γ(n)=(n−1)!∀n∈N 是通过欧拉积分

$\Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.$Γ(z)=∫0∞​tz−1e−tdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

• 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

这将产生一个流程图。:

• 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

• 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

---

1. mermaid语法说明 ↩︎

2. 注脚的解释 ↩︎