‘壹’ 一劳永逸！一步到位将python pip源换为豆瓣源，瞬间起飞！！！
提升Python pip安装速度，选择豆瓣源成为理想解决方案。
遇到pip安装包速度慢或失败的情况，你是否感到沮丧？别担心，有多种方法能让你迅速提升安装效率。
方法一：临时使用豆瓣源
只需在安装包前添加-i 豆瓣源指令，便可即刻提升速度。豆瓣源以其丰富的包资源和稳定的服务，成为众多开发者的选择。
使用示例：
pip install 包名 -i https://mirrors.163.com/pypi/simple
方法二：一劳永逸修改配置
对于Windows用户，推荐通过手动修改pip.ini配置文件实现豆瓣源设置。
步骤如下：
1. 打开命令提示符
2. 创建pip.ini文件
3. 添加豆瓣源信息至pip.ini文件
完成设置后，无需每次安装包时手动添加-i指令，实现一劳永逸的安装提速。
方法二（自动修改）：一键设置豆瓣源
通过安装特定工具，自动修改配置文件，简化设置过程。安装后，使用默认设置即可享受豆瓣源带来的高效体验。
验证安装速度，你将直观感受到显着提升。从此，pip安装包不再是困扰。
恭喜你，现在已实现一劳永逸的安装加速。享受高效编程体验，大赞！
‘贰’ 【Python爬虫】分析网页真实请求
1、抓取网页、分析请求
2、解析网页、寻找数据
3、储存数据、多页处理
翻页有规律：
很多网址在第一页时并没有变化，多翻下一页后规律就出来，比如 豆瓣第一页 和 豆瓣第三页
发现start为40，limit=20，所以猜测start=0就是第一页，每页显示20条数据，对于第三页显示的参数可以一个个删除验证，可以减去不必要的参数， 但是删除前一定要做好数据的对比
（1） 文本框输入后产生一个请求，如常见的登录、注册页面
Referer：表示当前请求的来源
Request URL：表示实际请求地址
翻页后URL不变，该如何寻找请求？
如： http://www.zkh360.com/zkh_catalog/3.html
通过对比可以发现网站是通过pageIndex参数控制翻页的，？表示连接
接下来用抓包工具分析下 ，从第四页开始看URL就知道了，但是前面几面需要查看请求的参数，这里偏多，就切换到【Inspectors--Webforms】选项，看的比较直观
类似的网站还有 今日头条 ，有兴趣的朋友可以去研究下
（可通过获取max_behot_time的值而改变as和cp）
‘叁’ python爬虫怎么处理豆瓣网页异常请求
1.URLError
首先解释下URLError可能产生的原因：
网络无连接，即本机无法上网
连接不到特定的服务器
服务器不存在
在代码中，我们需要用try-except语句来包围并捕获相应的异常。下面是一个例子，先感受下它的风骚
Python
1
2
3
4
5
6
7
import urllib2
requset = urllib2.Request('http://www.xxxxx.com')
try:
urllib2.urlopen(requset)
except urllib2.URLError, e:
print e.reason
我们利用了 urlopen方法访问了一个不存在的网址，运行结果如下：
Python
1
[Errno 11004] getaddrinfo failed
它说明了错误代号是11004，错误原因是 getaddrinfo failed
2.HTTPError
HTTPError是URLError的子类，在你利用urlopen方法发出一个请求时，服务器上都会对应一个应答对象response，其中它包含一个数字”状态码”。举个例子，假如response是一个”重定向”，需定位到别的地址获取文档，urllib2将对此进行处理。
其他不能处理的，urlopen会产生一个HTTPError，对应相应的状态吗，HTTP状态码表示HTTP协议所返回的响应的状态。下面将状态码归结如下：
100：继续 客户端应当继续发送请求。客户端应当继续发送请求的剩余部分，或者如果请求已经完成，忽略这个响应。
101： 转换协议 在发送完这个响应最后的空行后，服务器将会切换到在Upgrade 消息头中定义的那些协议。只有在切换新的协议更有好处的时候才应该采取类似措施。
102：继续处理 由WebDAV（RFC 2518）扩展的状态码，代表处理将被继续执行。
200：请求成功 处理方式：获得响应的内容，进行处理
201：请求完成，结果是创建了新资源。新创建资源的URI可在响应的实体中得到 处理方式：爬虫中不会遇到
202：请求被接受，但处理尚未完成 处理方式：阻塞等待
204：服务器端已经实现了请求，但是没有返回新的信 息。如果客户是用户代理，则无须为此更新自身的文档视图。 处理方式：丢弃
300：该状态码不被HTTP/1.0的应用程序直接使用， 只是作为3XX类型回应的默认解释。存在多个可用的被请求资源。 处理方式：若程序中能够处理，则进行进一步处理，如果程序中不能处理，则丢弃
301：请求到的资源都会分配一个永久的URL，这样就可以在将来通过该URL来访问此资源 处理方式：重定向到分配的URL
302：请求到的资源在一个不同的URL处临时保存 处理方式：重定向到临时的URL
304：请求的资源未更新 处理方式：丢弃
400：非法请求 处理方式：丢弃
401：未授权 处理方式：丢弃
403：禁止 处理方式：丢弃
404：没有找到 处理方式：丢弃
500：服务器内部错误 服务器遇到了一个未曾预料的状况，导致了它无法完成对请求的处理。一般来说，这个问题都会在服务器端的源代码出现错误时出现。
501：服务器无法识别 服务器不支持当前请求所需要的某个功能。当服务器无法识别请求的方法，并且无法支持其对任何资源的请求。
502：错误网关 作为网关或者代理工作的服务器尝试执行请求时，从上游服务器接收到无效的响应。
503：服务出错 由于临时的服务器维护或者过载，服务器当前无法处理请求。这个状况是临时的，并且将在一段时间以后恢复。
HTTPError实例产生后会有一个code属性，这就是是服务器发送的相关错误号。
因为urllib2可以为你处理重定向，也就是3开头的代号可以被处理，并且100-299范围的号码指示成功，所以你只能看到400-599的错误号码。
下面我们写一个例子来感受一下，捕获的异常是HTTPError，它会带有一个code属性，就是错误代号，另外我们又打印了reason属性，这是它的父类URLError的属性。
Python
1
2
3
4
5
6
7
8
import urllib2
req = urllib2.Request('httt/cqcre')
try:
urllib2.urlopen(req)
except urllib2.HTTPError, e:
print e.code
print e.reason
运行结果如下
Python
1
2
403
Forbidden
错误代号是403，错误原因是Forbidden，说明服务器禁止访问。
我们知道，HTTPError的父类是URLError，根据编程经验，父类的异常应当写到子类异常的后面，如果子类捕获不到，那么可以捕获父类的异常，所以上述的代码可以这么改写
Python
1
2
3
4
5
6
7
8
9
10
11
import urllib2
req = urllib2.Request('hcqcre')
try:
urllib2.urlopen(req)
except urllib2.HTTPError, e:
print e.code
except urllib2.URLError, e:
print e.reason
else:
print "OK"
如果捕获到了HTTPError，则输出code，不会再处理URLError异常。如果发生的不是HTTPError，则会去捕获URLError异常，输出错误原因。
另外还可以加入 hasattr属性提前对属性进行判断，代码改写如下
Python
1
2
3
4
5
6
7
8
9
10
11
12
import urllib2
req = urllib2.Request('httcqcre')
try:
urllib2.urlopen(req)
except urllib2.URLError, e:
if hasattr(e,"code"):
print e.code
if hasattr(e,"reason"):
print e.reason
else:
print "OK"
首先对异常的属性进行判断，以免出现属性输出报错的现象。
以上，就是对URLError和HTTPError的相关介绍，以及相应的错误处理办法，小伙伴们加油！
‘肆’ python爬虫--10-使用python爬取豆瓣正在上映的电影
使用Python进行网页爬取是一项实用技能，让我们通过实例学习如何获取豆瓣上正在上映的电影信息。下面，我将逐步解析爬取流程并提供代码示例。
首先，我们要明确目标内容，包括电影名字、年份、时长、地区、演员和封面图片。接下来，我们按照以下步骤进行。
1. 确定页面与内容定位：
- 通过浏览器的开发者工具，找到目标信息所在的HTML代码区块。确保能识别出包含所需数据的元素。
2. 确定XPath路径：
- 确定每个元素的XPath路径，以便在Python代码中精确定位。
3. 代码实现：
- 使用Python库如BeautifulSoup和requests获取网页HTML内容。
- 遍历页面中的列表元素（通常为
具体代码实现如下：
1. 获取整个页面HTML：
- 使用requests库获取网页内容。
2. 定位正在上映电影块：
- 使用BeautifulSoup解析HTML，定位到包含正在上映电影信息的Div区块。
3. 提取LI标签信息：
- 遍历Div内的所有
4. 输出结果：
- 将提取的信息打印或存储到文件中。
完整代码示例如下（仅展示部分关键代码）：
注意：此示例代码仅为简化版本，实际应用中可能需要根据目标网站结构调整代码。若需要完整的代码实现及更详细的教程，请参考相关在线教程或加入专业学习社区。
更多Linux相关知识，包括命令、操作系统管理与编程技巧等，可访问公众号“运维家”，回复“172”获取详细信息。
Linux技术领域覆盖广泛，从基本命令操作到高级系统管理、开发环境配置等，均可在“运维家”公众号中找到相应的资源和教程。
‘伍’ python 代码里如何判断成功登录豆瓣
#!py3
#_*_coding:utf-8_*_
importos
importsqlite3
importrequests
fromwin32.
defgetcookiefromchrome(host='.douban.com'):
'''最好还是从浏览器自动获取当前登录帐号的cookies，
然后再抓取内容，这里是演示从GoogleChrome中获取cookies的例子。
host登录服务器的主域名，注意要在前面加个点号。
'''
cookiepath=os.environ['LOCALAPPDATA']+r""
sql="selecthost_key,name,encrypted_valuefromcookieswherehost_key='%s'"%host
withsqlite3.connect(cookiepath)asconn:
cu=conn.cursor()
cookies={name:CryptUnprotectData(encrypted_value)[1].decode()forhost_key,name,encrypted_valueincu.execute(sql).fetchall()}
print(cookies)
returncookies
url='http://www.douban.com'
httphead={'User-Agent':('Mozilla/5.0(WindowsNT6.2;WOW64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/66.0.3359.181Safari/537.36'),}
r=requests.get(url,headers=httphead,cookies=getcookiefromchrome('.douban.com'),allow_redirects=1)
print(r.text)
需要安装的第三方模块：requests，pywin32