Python爬蟲之使用Fiddler+Postman+Python的requests模塊爬取各國國旗
介紹
??本篇博客將會介紹一個Python爬蟲，用來爬取各個國家的國旗，主要的目標是為了展示如何在Python的requests模塊中使用POST方法來爬取網頁內容。
??為了知道POST方法所需要傳遞的HTTP請求頭部和請求體，我們可以使用Fiddler來進行抓包，抓取上網過程中HTTP請求中的POST方法。為了驗證Fiddler抓取到的POST請求，可以使用Postman進行測試驗證。在Postman中完成測試後，我們就可以用Python的request.POST()方法來寫我們的爬蟲了。
流程
??作為上述過程的一個演示，我們使用的網址為： http://country.911cha.com/ , 頁面如下：
在表單中輸入德國，跳轉後的頁面如下：
我們可以發現，在搜索的結果中，會出現德國這個搜索結果。點擊該搜索結果，跳轉後的頁面如下：
在這個頁面中有我們需要的德國的國旗。但是，怎麽知道該網頁的具體網址呢？換句話說，就是怎樣得到http://country.911cha.com/GER.html ？別擔心，在剛才出來的德國這個搜索結果中，我們查看其源代碼，不難發現，在HTML源代碼中，有我們想要的東西：
在源代碼中我們能看到“GER.html”，這就意味著，只要得到搜索的結果，我們可以分析HTML源碼來得到這個搜索結果的連接網址，然後在該連接網址中獲取該國的國旗。所以，在這個爬蟲中，最困難的地方在於，如何獲取搜索結果？即，得到提交表單後的結果，也就是POST方法提交後的響應結果。我們利用Fiddler來抓取該POST方法。
??我們打開Fiddler, 同時重復上面的操作，可以得到該過程的HTTP請求，如下圖：
Fiddler幫助我們找到了剛才提交表單過程中的一個POST請求，具體分析該POST請求，其請求頭部如下：
其請求體如下：
??為了驗證Fiddler抓取的POST請求，我們需要要Postman來進行測試。在用Postman進行測試前，我們需要問：是否所有請求頭部中的數據都需要呢？答案是否定的，實際上，我們只需要User-Agent和Content-Type即可。在Postman中，先輸入請求頭部，如下：
再輸入請求體，如下：
點擊"SEND"按鈕，得到響應後的結果，如下：
OK，這樣我們就完成了Postman的測試。
爬蟲
??於是，借助這些信息來完成request.post()的提交，同時，借助BeautifulSoup來解析網頁，得到國家的國旗下載地址並完成下載。具體的Python代碼如下：
# -*- coding: utf-8 -*-
import urllib.request
import requests
from bs4 import BeautifulSoup
# 函數：下載指定國家的國旗
# 參數： country: 國家
def download_flag(country):
# 請求頭部
headers = {
‘User-Agent‘: ‘Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.87 Safari/537.36‘,
‘Content-Type‘: ‘application/x-www-form-urlencoded; charset=UTF-8‘,
}
# POST數據
data = {‘q‘: country}
# 網址
url = ‘http://country.911cha.com/‘
# 提交POST請求
r = requests.post(url=url, data=data, headers=headers)
# 利用BeautifulSoup解析網頁
content = BeautifulSoup(r.text, ‘lxml‘)
# 得到搜索結果（國家）所在網頁地址
country = content.find_all(‘div‘, class_=‘mcon‘)[1](‘ul‘)[0](‘li‘)[0](‘a‘)[0]
link = country[‘href‘]
#利用GET方法得到搜索國家的網頁
r2 = requests.get(url=‘%s/%s‘%(url, link))
# 利用BeautifulSoup解析網頁
content = BeautifulSoup(r2.text, ‘lxml‘)
# 獲取網頁中的圖片
images = content.find_all(‘img‘)
# 獲取指定國家的國旗名稱及下載地址
for image in images:
if ‘alt‘ in image.attrs:
if ‘國旗‘ in image[‘alt‘]:
name = image[‘alt‘].replace(‘國旗‘, ‘‘)
link = image[‘src‘]
# 下載國旗圖片
urllib.request.urlretrieve(‘%s/%s‘%(url, link), ‘E://flag/%s.gif‘%name)
def main():
# countries.txt儲存各個國家的名稱
file = ‘E://flag/countries.txt‘
with open(file, ‘r‘) as f:
counties = [_.strip() for _ in f.readlines()]
# 遍歷各個國家，下載國旗
for country in counties:
try:
download_flag(country)
print(‘%s國旗下載成功！‘%country)
except:
print(‘%s國旗下載失敗~‘%country)
main()其中countries.txt的部分內容如下：
運行上述Python代碼，我們發現在E盤的flag文件夾下，已經下載了各個國家的國旗，如下：
這樣我們就完成了本次爬蟲的任務！
總結
??本次爬蟲利用Python的requests模塊的POST方法，來模擬網頁中的表單提交。為了得到表單提交過程中的HTTP請求，即請求頭部和請求體，我們利用了抓包工具Fiddler，而Postman的作用是為了幫助我們驗證Fiddler抓取的POST請求是否正是我們需要的POST請求，同時也能驗證請求頭部及請求體。
??雖然整個爬蟲的過程寫的不免麻煩，但是操作的思路應該是清晰的，再說，熟能生巧，多用幾次，也就能熟悉整個流程了。本次爬蟲只是作為整個流程的一個簡單展示，讀者可以在此基礎上，去實現更為復雜的爬蟲，希望本次的分享能夠幫助到讀者。謝謝大家能讀到這兒，也歡迎大家交流~~
註意：本人現已開通兩個微信公眾號： 因為Python（微信號為：python_math）以及輕松學會Python爬蟲（微信號為：easy_web_scrape）， 歡迎大家關註哦~~
Python爬蟲之使用Fiddler+Postman+Python的requests模塊爬取各國國旗