1回答

咚咚呛

2019-03-24

已采纳

哈哈哈，为这个同学点赞，看到很多除课程内容以外的知识。作为课程内容的拓展，可以简单聊一聊哈，不尽之处，还望见谅。

1. 关于爬虫，其实爬虫需要攻坚的主要知识点无外乎以下三个。

   1. 请求与登录

      1. 请求库的使用方法，比如是使用requests、httplib、urllib2还是其他请求库的使用方法

      2. 模拟登录，包括模拟登录、防爬虫、IP代理池等等，这里防爬虫的部分挺有意思，就像是攻防博弈，以前做过相关的一些研究

   2. 页面数据解析

      1. 静态页面数据解析，比较简单，使用BeautifulSoup库解析即可，结合XPath、CSS选择器进行内容提取即可

      2. 动态页面（iframe、ajax等），需要研究他们js的数据组织逻辑，或者是使用第三方库去进行操作，有PhantomJS等，或者干脆模拟浏览器去点击页面，使用selenium

         
         

   3. 数据过滤

      1. 脏数据：过滤去掉一些不完整的或故意混淆的数据

      2. 重复数据：要注意判重

      3. 大数据量：大量数据的存储和后续的检索问题

回到问题，其实jokes.json这个数据也是老师爬下来的，也是按照这三个步骤，请求阶段使用了requests库；页面数据解析使用了BeautifulSoup库将HTML页面load进然后按标签解析；解析完成以后，构建成Python字典对象，再序列化成文件即可。

同学可以按照这三个知识点逐个击破。

    2. 第二问题，为什么需要加密，毫无疑问加密是为了数据安全，这是微信侧要求的。总的而言就是微信为了保证数据不被第三方拦截或篡改，以此达到保护用户数据的目的。

希望对你有所帮助，同学加油哦。

2

2

忙碌回复慢

- ̗̀(๑ᵔ⌔ᵔ๑) 蟹蟹老师！

2019-03-24

共2条回复