逸飞的技术日志

摘要： 原文首发于我的博客：https://yifei.me/note/2719 越来越多的网站开始使用 TLS 指纹反爬虫，而 Python 中竟然没有任何方法解决这个问题。前一阵 看到由国外大神写了一个 curl-impersonate 命令行工具，可以完美模拟主流浏览器的指纹，遂用 cffi 封装成了 阅读全文

摘要： 相对于 os.path 来说，Pathlib 极大地简化了路径相关的操作。举个例子来说： 获取当前文件路径下的 default.yaml 文件 import os os.path.join(os.path.dirname(__file__), "default.yaml") 只需要： from pa 阅读全文

摘要： 原文链接：http://yifei.me/note/540 HTTP 中常用的方法有 GET/POST/PUT/DELETE 等，在设计API或者表单的时候我们需要选择合适的方法。一般有两种方案： 1. 只使用 GET 和 POST，GET 主要用来读取数据，POST 用来创建或者更新数据。 2. 阅读全文

摘要： 欢迎关注我的公众号 spider learn （https://github.com/sharkdp/fd） 是 命令的一个更现代的替换。 对比一下 查找名字含有某个字符的文件 OLD NEW 使用正则表达式查找 比如说查找符合 模式的文件。 使用的正则表达式非常古老，比如说在这里我们不能使用 ，也 阅读全文

摘要： 楔子 好友李博士要买房了, 前几天应邀帮他抓链家的数据分析下房价, 爬到一半遇到了验证码. 李博士的想法是每天把链家在售的二手房数据都抓一遍, 然后按照时间序列分析. 链家线上在交易的二手房数据大概有30000余套, 而一天只有86400秒, 也就是最慢3s也要访问一个页面. 测试按照这种频率, 大 阅读全文

摘要： 最近看过不少讲爬虫的教程[1][2]，基本都是一个模式： 1. 开始先来拿正则、lxml、jquery/pyquery等等教大家从页面上抠出一个一个的值来 2. 然后深入一些在讲讲http 协议，讲讲怎么拿出 cookie 来模拟登录之类的，讲讲基本的反爬虫和反反爬虫的方法 3. 最后在上一个 简单 阅读全文

摘要： Chapter I 简介 ====== 为什么要写爬虫？ 1. 每个网站都应该提供 API，然而这是不可能的 2. 即使提供了 API，往往也会限速，不如自己找接口 注意已知条件（robots.txt 和 sitemap.xml） 1. robots.txt 中可能会有陷阱 2. sitemap 中 阅读全文

摘要： 原文链接： "http://yifei.me/note/464" 最近要做下微信爬虫，之前写个小东西都是直接用正则提取数据就算了，如果需要更稳定的提取数据，还是使用 xpath 定位元素比较可靠。周末没事，从爬虫的角度研究了一下 python xml 相关的库。 Python 标准库中自带了 xml 阅读全文

摘要： 最近经常在服务器上开发，经常会遇到不认识的单词，然而 linux 下实在没有什么好用的词典，索性自己写一个好了。 词典 API 首先，Google 了一下可用的词典的 API，发现金山的 iciba 还是不错的。要使用 iciba 的 API 需要首先申请一个 key，目前 key 是免费的，并且没 阅读全文

摘要： 下午小伙伴问了一个有趣的问题, 怎么用 Python 的 with 语句同时打开多个文件? 首先, Python 本身是支持同时在 with 中打开多个文件的 当然, 小伙伴的问题不可能这么简单, 他需要从打开一个列表中的所有文件, 而不是打开固定的一个文件, 这时候上面的语法显然就没法满足要求了. 阅读全文