前言：

这个没什么技术难度，懂爬虫的人和程序员都可以用学的语言写出来

只是很多安全问题的存在，的确影响着我们的生活，

希望大家可以认识到一些网站的后台密码的规则与自己的安全性

简单的说，就是是程序员的懒，让用户的信息暴露在互联网上

还有一点：

就是希望正在接触python，和快要放弃学习的同学，可以试试换种思路，

来试试爬虫，这样有成就感的累积，可以慢慢提升你的自信

爬虫开始前的准备：

• python2.7

• 库文件（xlwt，urllib2，BeautifulSoup4，xlrd）

安装库文件的方法：

最好在你的python2.7/script/下面打开power shell(可以shift+右击) 执行下面的：

安装库文件：

pip install *** ***是指上面的库文件，下面不一定都用，只要上面的，以后出什么错，你就继续pip install

观察网站结构（密码规则）：

• 首先这个规则是针对大二和已经毕业了的

• 密码规则没有添加验证码（其实添加验证码也没什么用，只是添加了爬取门槛）

• 规则是 用户名==密码

  符合条件

• 这里的用户信息

• 不要在意这些细节（马赛克） 朦胧美一直是我的追求

具体思路：模拟登陆 ==》制作学号规则==》信息查询（爬取）==》存入xls模拟登陆：因为我们是用爬虫取信息，每次访问，

1. 肯定是登陆了以后才可以访问我们的信息 ==》模拟登陆

2. 当我们用脚本访问下一个页面，需要一个cookie信息，就好比，当你打开

   qq空间，其实是想腾讯那里提交了自己的信息，而我们的信息就存在cookie中

• python 中cookie维持会话访问：

• 模拟登陆

具体网址不分享，避免带来不必要的麻烦

• 学号的列表

• 用户信息的获取

这里用的的是beautifulsoup库

• 写入xls(这个是思路)测试用的函数

因为在写的时候因为编码问题，不能写入中文

• 开始行动：

• 添加上延迟访问： time.sleep(1)

1. 因为爬虫访问的不和人一样，访问会很快，

2. 这样可以避免被封ip 还有避免给站点带来不好的影响