欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

day001 爬虫学习基础

程序员文章站 2022-05-01 22:39:31
...

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

day001 爬虫学习基础
day001 爬虫学习基础

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)

day001 爬虫学习基础
day001 爬虫学习基础
day001 爬虫学习基础

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: day001 爬虫学习基础

带尺寸的图片: day001 爬虫学习基础

居中的图片: day001 爬虫学习基础

居中并且带尺寸的图片: day001 爬虫学习基础

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

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 Γ(n)=(n1)!nN\Gamma(n) = (n-1)!\quad\forall n\in\mathbb N 是通过欧拉积分

Γ(z)=0tz1etdt. \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.

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

Mon 06Mon 13Mon 20已完成 进行中 计划一 计划二 现有任务Adding GANTT diagram functionality to mermaid
  • 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:

张三李四王五你好!李四, 最近怎么样?你最近怎么样,王五?我很好,谢谢!我很好,谢谢!李四想了很长时间,文字太长了不适合放在一行.打量着王五...很好... 王五, 你怎么样?张三李四王五

这将产生一个流程图。:

链接
长方形
圆角长方形
菱形
  • 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:

Created with Raphaël 2.2.0开始我的操作确认?结束yesno
  • 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 ↩︎

相关标签: 爬虫