主頁 > 後端開發 > 2021年10月最新使用selenium爬取裁判文書資料(本文僅供技術交流使用)

2021年10月最新使用selenium爬取裁判文書資料(本文僅供技術交流使用)

2021-10-30 09:32:33 後端開發

作為一個java菜雞,想了解一下python的爬蟲,據說文書網反爬很厲害,遍去試試
好嘛
我去,啥啊,不講武德
這個網站的特點首先符合了政府網站回應慢的特點,7百億的訪問量,,,,再加上時時刻刻的小機器人,正常訪問都卡的一批

有事找度娘,網上最新的幾種方案,最多的還是,破解post引數
pageId,ciphertext,__RequestVerificationToken 三個引數
在這里插入圖片描述
我也試過了,都沒人說過cookie引數怎么搞,都說登錄之后,寫死就行,反正我是沒成功,“無權限訪問介面”

繼續換,試過web scraper,我去,啥啊,文書網超時嚴重,1分鐘不帶回傳的,scraper還總出問題,最大的問題就是只能獲取單頁的,沒啥用,果斷放棄

正題,來了!!!!!!敲黑板,我要變了

selenium,模擬用戶行為訪問,xpath獲取資料,暫時這個是搞得挺順暢
文書網有個600條限制,就是說最大能查到600,在往后查就需要高級查詢等條件了,

思路!!!!敲黑板

1、看見首頁這個,法院地圖沒

在這里插入圖片描述
把所有法院搞出來(什么?不會搞,我也不會,,,),應該有什么政府網能查到這些法院名稱,只提供個思路哈,因為我是針對某個法院做的高級搜索,然后再具體到月份(這樣就能限制到600),(什么?要是超過600怎么辦,大哥哪個法院一個月能上傳有600多文書啊,文員不得累死–嗯嗯,我是這么認為滴滴滴滴滴滴滴,托下巴表情)

2、然后就是,程式控制瀏覽器,自動打開網址,登錄,(登錄成功后,有時候會讓輸入驗證碼,手動輸入就行了)

在這之前呢,我手動大體看了下,13年以前的都沒有資料(什么?有的有,大拇指,大家可以往前搞幾年),(什么?要知道這個干嘛),要填入整月高級搜索丫丫丫丫,就是那個裁判日期,法院名稱填上哪個法院就行了(更具體的搜索,自己填去)
在這里插入圖片描述
登錄成功后呢跳到主頁
回圈去吧,打開高級搜索,填上內容,點擊搜索(等那么幾十秒,這玩意不一定啊,1分鐘最長了),全選文章,點擊批量下載,點擊下一頁(等那么幾十秒,這玩意不一定啊,1分鐘最長了),點擊全選文章,點擊批量下載,點擊下一頁,,,,,最后一頁下載完了!!!!打開高級搜索,填上內容,點擊搜索(等那么幾十秒,這玩意不一定啊,1分鐘最長了),全選文章,點擊批量下載,點擊下一頁(等那么幾十秒,這玩意不一定啊,1分鐘最長了),點擊全選文章,點擊批量下載,點擊下一頁,,,,,最后一頁下載完了…(口渴)

3、上代碼

谷歌瀏覽器,驅動

from selenium import webdriver
import time

bro = webdriver.Chrome(executable_path='chromedriver.exe')

# 打開網頁
bro.get('https://wenshu.court.gov.cn/')

最大化視窗,為什么還是重繪一下呢,哎,這玩意加載不完整啊!后邊還有重繪,大家試試就知道了

# 最大化視窗
bro.maximize_window()
time.sleep(2)
bro.refresh()
# 點擊登錄按鈕
login_tag = bro.find_element_by_xpath('//*[@id="loginLi"]/a')
# 執行點擊命令
time.sleep(2)
login_tag.click();
time.sleep(2)
bro.refresh()
# 切換到iframe登錄視窗
bro.switch_to.frame("contentIframe")

,,,,,,
,,,,,
,,,,
,,,
,,

不寫了,大家下邊看代碼吧!!!!!!!

4、注意,敲黑板,完整代碼,以下鏈接,嘿嘿嘿,只要 5 C幣,大家搞一下哈!!!!!

什么!沒看見鏈接,哎,公司搞什么安全軟體,不讓上傳檔案了!!瞬間損失了好幾萬!!!!

搞上!!!!!!!!!
from selenium import webdriver
import time

bro = webdriver.Chrome(executable_path='chromedriver.exe')

# 打開網頁
bro.get('https://wenshu.court.gov.cn/')

# 最大化視窗
bro.maximize_window()
time.sleep(2)
bro.refresh()

# 點擊登錄按鈕
login_tag = bro.find_element_by_xpath('//*[@id="loginLi"]/a')

# 執行點擊命令
time.sleep(2)
login_tag.click();
time.sleep(2)
bro.refresh()

# 切換到iframe登錄窗
bro.switch_to.frame("contentIframe")

# 定位 手機號,密碼,登錄按鈕位置
username_path=bro.find_element_by_xpath('//*[@class="phone-number-input"]')
password_path=bro.find_element_by_xpath('//*[@class="password"]')
login_in=bro.find_element_by_xpath('//*[@id="root"]/div/form/div/div[3]/span')
time.sleep(1)
username_path.send_keys("")
time.sleep(1)
password_path.send_keys("")
start_time = [#"2008-01-01","2010-01-01","2011-01-01","2012-01-01","2013-01-01",
              #"2014-01-10","2014-02-01",
"2014-03-01","2014-04-01","2014-05-01","2014-06-01","2014-07-01","2014-08-01","2014-09-01",
"2014-10-01","2014-11-01","2014-12-01","2015-01-01","2015-02-01","2015-03-01","2015-04-01","2015-05-01",
"2015-06-01","2015-07-01","2015-08-01","2015-09-01","2015-10-01","2015-11-01","2015-12-01","2016-01-01",
"2016-02-01","2016-03-01","2016-04-01","2016-05-01","2016-06-01","2016-07-01","2016-08-01","2016-09-01",
"2016-10-01","2016-11-01","2016-12-01","2017-01-01","2017-02-01","2017-03-01","2017-04-01","2017-05-01",
"2017-06-01","2017-07-01","2017-08-01","2017-09-01","2017-10-01","2017-11-01","2017-12-01","2018-01-01",
"2018-02-01","2018-03-01","2018-04-01","2018-05-01","2018-06-01","2018-07-01","2018-08-01","2018-09-01",
"2018-10-01","2018-11-01","2018-12-01","2019-01-01","2019-02-01","2019-03-01","2019-04-01","2019-05-01",
"2019-06-01","2019-07-01","2019-08-01","2019-09-01","2019-10-01","2019-11-01","2019-12-01","2020-01-01",
"2020-02-01","2020-03-01","2020-04-01","2020-05-01","2020-06-01","2020-07-01","2020-08-01","2020-09-01",
"2020-10-01","2020-11-01","2020-12-01","2021-01-01","2021-02-01","2021-03-01","2021-04-01","2021-05-01",
"2021-06-01","2021-07-01","2021-08-01","2021-09-01","2021-10-01"];
end_time = [#"2008-12-31","2010-12-31","2011-12-31","2012-12-31","2013-12-31",
            #"2014-02-10","2014-02-31",
"2014-03-31","2014-04-31","2014-05-31","2014-06-31","2014-07-31","2014-08-31","2014-09-31",
"2014-10-31","2014-11-31","2014-12-31","2015-01-31","2015-02-31","2015-03-31","2015-04-31","2015-05-31",
"2015-06-31","2015-07-31","2015-08-31","2015-09-31","2015-10-31","2015-11-31","2015-12-31","2016-01-31",
"2016-02-31","2016-03-31","2016-04-31","2016-05-31","2016-06-31","2016-07-31","2016-08-31","2016-09-31",
"2016-10-31","2016-11-31","2016-12-31","2017-01-31","2017-02-31","2017-03-31","2017-04-31","2017-05-31",
"2017-06-31","2017-07-31","2017-08-31","2017-09-31","2017-10-31","2017-11-31","2017-12-31","2018-01-31",
"2018-02-31","2018-03-31","2018-04-31","2018-05-31","2018-06-31","2018-07-31","2018-08-31","2018-09-31",
"2018-10-31","2018-11-31","2018-12-31","2019-01-31","2019-02-31","2019-03-31","2019-04-31","2019-05-31",
"2019-06-31","2019-07-31","2019-08-31","2019-09-31","2019-10-31","2019-11-31","2019-12-31","2020-01-31",
"2020-02-31","2020-03-31","2020-04-31","2020-05-31","2020-06-31","2020-07-31","2020-08-31","2020-09-31",
"2020-10-31","2020-11-31","2020-12-31","2021-01-31","2021-02-31","2021-03-31","2021-04-31","2021-05-31",
"2021-06-31","2021-07-31","2021-08-31","2021-09-31","2021-10-31"];
for index, item in enumerate(start_time):
  print(index, item)
  time.sleep(10)
  gaojisousuo=bro.find_element_by_xpath('//*[@class="advenced-search"]')
  gaojisousuo.click()
  fayuanVal=bro.find_element_by_xpath('//*[@id="s2"]')
  fayuanVal.clear()
  fayuanVal.send_keys("晉州市人民法院")
  startTime=bro.find_element_by_xpath('//*[@id="cprqStart"]')
  startTime.clear()
  startTime.send_keys(item)
  endTime=bro.find_element_by_xpath('//*[@id="cprqEnd"]')
  endTime.clear()
  endTime.send_keys(end_time[index])
  sousuo = bro.find_element_by_xpath('//*[@id="searchBtn"]')
  time.sleep(5)
  sousuo.click()
  time.sleep(60)
  
# 先判斷是否有資料
  page_num_all = bro.find_element_by_xpath('//*[@id="_view_1545184311000"]/div[1]/div[2]/span')
  if page_num_all.text != '0':
      next = True
      page_num = 1
      while next:
       # 定位全選和批量下載
          all_select = bro.find_element_by_xpath('//*[@id="AllSelect"]')
          all_select.click()
          time.sleep(5)
          all_download = bro.find_element_by_xpath('//*[@id="_view_1545184311000"]/div[2]/div[4]/a[3]')
          all_download.click()
          time.sleep(5)

          next_click = bro.find_element_by_xpath('//*[@id="_view_1545184311000"]/div[last()]/a[last()]')
          class_name = next_click.get_attribute('class')
          if class_name == 'disabled pageButton':
              next = False
              break
          else:
			  next_click.click()
			  page_num += 1
			  print(page_num)
			  time.sleep(70)

注釋不太完整哈,寫著玩來著!思路還是上邊的思路

轉載請註明出處,本文鏈接:https://www.uj5u.com/houduan/341888.html

標籤:python

上一篇:非技科,大專生苦學 37 天,五輪面試,六個小時靈魂拷問,含淚拿下阿里 offer~

下一篇:Python爬取電影排行TOP250(beautifulsoup+requests)

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C#(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 【C++】Microsoft C++、C 和匯編程式檔案

    ......

    uj5u.com 2020-09-10 00:57:23 more
  • 例外宣告

    相比于斷言適用于排除邏輯上不可能存在的狀態,例外通常是用于邏輯上可能發生的錯誤。 例外宣告 Item 1:當函式不可能拋出例外或不能接受拋出例外時,使用noexcept 理由 如果不打算拋出例外的話,程式就會認為無法處理這種錯誤,并且應當盡早終止,如此可以有效地阻止例外的傳播與擴散。 示例 //不可 ......

    uj5u.com 2020-09-10 00:57:27 more
  • Codeforces 1400E Clear the Multiset(貪心 + 分治)

    鏈接:https://codeforces.com/problemset/problem/1400/E 來源:Codeforces 思路:給你一個陣列,現在你可以進行兩種操作,操作1:將一段沒有 0 的區間進行減一的操作,操作2:將 i 位置上的元素歸零。最終問:將這個陣列的全部元素歸零后操作的最少 ......

    uj5u.com 2020-09-10 00:57:30 more
  • UVA11610 【Reverse Prime】

    本人看到此題沒有翻譯,就附帶了一個自己的翻譯版本 思考 這一題,它的第一個要求是找出所有 $7$ 位反向質數及其質因數的個數。 我們應該需要質數篩篩選1~$10^{7}$的所有數,這里就不慢慢介紹了。但是,重讀題,我們突然發現反向質數都是 $7$ 位,而將它反過來后的數字卻是 $6$ 位數,這就說明 ......

    uj5u.com 2020-09-10 00:57:36 more
  • 統計區間素數數量

    1 #pragma GCC optimize(2) 2 #include <bits/stdc++.h> 3 using namespace std; 4 bool isprime[1000000010]; 5 vector<int> prime; 6 inline int getlist(int ......

    uj5u.com 2020-09-10 00:57:47 more
  • C/C++編程筆記:C++中的 const 變數詳解,教你正確認識const用法

    1、C中的const 1、區域const變數存放在堆疊區中,會分配記憶體(也就是說可以通過地址間接修改變數的值)。測驗代碼如下: 運行結果: 2、全域const變數存放在只讀資料段(不能通過地址修改,會發生寫入錯誤), 默認為外部聯編,可以給其他源檔案使用(需要用extern關鍵字修飾) 運行結果: ......

    uj5u.com 2020-09-10 00:58:04 more
  • 【C++犯錯記錄】VS2019 MFC添加資源不懂如何修改資源宏ID

    1. 首先在資源視圖中,添加資源 2. 點擊新添加的資源,復制自動生成的ID 3. 在解決方案資源管理器中找到Resource.h檔案,編輯,使用整個專案搜索和替換的方式快速替換 宏宣告 4. Ctrl+Shift+F 全域搜索,點擊查找全部,然后逐個替換 5. 為什么使用搜索替換而不使用屬性視窗直 ......

    uj5u.com 2020-09-10 00:59:11 more
  • 【C++犯錯記錄】VS2019 MFC不懂的批量添加資源

    1. 打開資源頭檔案Resource.h,在其中預先定義好宏 ID(不清楚其實ID值應該設定多少,可以先新建一個相同的資源項,再在這個資源的ID值的基礎上遞增即可) 2. 在資源視圖中選中專案資源,按F7編輯資源檔案,按 ID 型別 相對路徑的形式添加 資源。(別忘了先把檔案拷貝到專案中的res檔案 ......

    uj5u.com 2020-09-10 01:00:19 more
  • C/C++編程筆記:關于C++的參考型別,專供新手入門使用

    今天要講的是C++中我最喜歡的一個用法——參考,也叫別名。 參考就是給一個變數名取一個變數名,方便我們間接地使用這個變數。我們可以給一個變數創建N個參考,這N + 1個變數共享了同一塊記憶體區域。(參考型別的變數會占用記憶體空間,占用的記憶體空間的大小和指標型別的大小是相同的。雖然參考是一個物件的別名,但 ......

    uj5u.com 2020-09-10 01:00:22 more
  • 【C/C++編程筆記】從頭開始學習C ++:初學者完整指南

    眾所周知,C ++的學習曲線陡峭,但是花時間學習這種語言將為您的職業帶來奇跡,并使您與其他開發人員區分開。您會更輕松地學習新語言,形成真正的解決問題的技能,并在編程的基礎上打下堅實的基礎。 C ++將幫助您養成良好的編程習慣(即清晰一致的編碼風格,在撰寫代碼時注釋代碼,并限制類內部的可見性),并且由 ......

    uj5u.com 2020-09-10 01:00:41 more
最新发布
  • Rust中的智能指標:Box<T> Rc<T> Arc<T> Cell<T> RefCell<T> Weak

    Rust中的智能指標是什么 智能指標(smart pointers)是一類資料結構,是擁有資料所有權和額外功能的指標。是指標的進一步發展 指標(pointer)是一個包含記憶體地址的變數的通用概念。這個地址參考,或 ” 指向”(points at)一些其 他資料 。參考以 & 符號為標志并借用了他們所 ......

    uj5u.com 2023-04-20 07:24:10 more
  • Java的值傳遞和參考傳遞

    值傳遞不會改變本身,參考傳遞(如果傳遞的值需要實體化到堆里)如果發生修改了會改變本身。 1.基本資料型別都是值傳遞 package com.example.basic; public class Test { public static void main(String[] args) { int ......

    uj5u.com 2023-04-20 07:24:04 more
  • [2]SpinalHDL教程——Scala簡單入門

    第一個 Scala 程式 shell里面輸入 $ scala scala> 1 + 1 res0: Int = 2 scala> println("Hello World!") Hello World! 檔案形式 object HelloWorld { /* 這是我的第一個 Scala 程式 * 以 ......

    uj5u.com 2023-04-20 07:23:58 more
  • 理解函式指標和回呼函式

    理解 函式指標 指向函式的指標。比如: 理解函式指標的偽代碼 void (*p)(int type, char *data); // 定義一個函式指標p void func(int type, char *data); // 宣告一個函式func p = func; // 將指標p指向函式func ......

    uj5u.com 2023-04-20 07:23:52 more
  • Django筆記二十五之資料庫函式之日期函式

    本文首發于公眾號:Hunter后端 原文鏈接:Django筆記二十五之資料庫函式之日期函式 日期函式主要介紹兩個大類,Extract() 和 Trunc() Extract() 函式作用是提取日期,比如我們可以提取一個日期欄位的年份,月份,日等資料 Trunc() 的作用則是截取,比如 2022-0 ......

    uj5u.com 2023-04-20 07:23:45 more
  • 一天吃透JVM面試八股文

    什么是JVM? JVM,全稱Java Virtual Machine(Java虛擬機),是通過在實際的計算機上仿真模擬各種計算機功能來實作的。由一套位元組碼指令集、一組暫存器、一個堆疊、一個垃圾回收堆和一個存盤方法域等組成。JVM屏蔽了與作業系統平臺相關的資訊,使得Java程式只需要生成在Java虛擬機 ......

    uj5u.com 2023-04-20 07:23:31 more
  • 使用Java接入小程式訂閱訊息!

    更新完微信服務號的模板訊息之后,我又趕緊把微信小程式的訂閱訊息給實作了!之前我一直以為微信小程式也是要企業才能申請,沒想到小程式個人就能申請。 訊息推送平臺🔥推送下發【郵件】【短信】【微信服務號】【微信小程式】【企業微信】【釘釘】等訊息型別。 https://gitee.com/zhongfuch ......

    uj5u.com 2023-04-20 07:22:59 more
  • java -- 緩沖流、轉換流、序列化流

    緩沖流 緩沖流, 也叫高效流, 按照資料型別分類: 位元組緩沖流:BufferedInputStream,BufferedOutputStream 字符緩沖流:BufferedReader,BufferedWriter 緩沖流的基本原理,是在創建流物件時,會創建一個內置的默認大小的緩沖區陣列,通過緩沖 ......

    uj5u.com 2023-04-20 07:22:49 more
  • Java-SpringBoot-Range請求頭設定實作視頻分段傳輸

    老實說,人太懶了,現在基本都不喜歡寫筆記了,但是網上有關Range請求頭的文章都太水了 下面是抄的一段StackOverflow的代碼...自己大修改過的,寫的注釋挺全的,應該直接看得懂,就不解釋了 寫的不好...只是希望能給視頻網站開發的新手一點點幫助吧. 業務場景:視頻分段傳輸、視頻多段傳輸(理 ......

    uj5u.com 2023-04-20 07:22:42 more
  • Windows 10開發教程_編程入門自學教程_菜鳥教程-免費教程分享

    教程簡介 Windows 10開發入門教程 - 從簡單的步驟了解Windows 10開發,從基本到高級概念,包括簡介,UWP,第一個應用程式,商店,XAML控制元件,資料系結,XAML性能,自適應設計,自適應UI,自適應代碼,檔案管理,SQLite資料庫,應用程式到應用程式通信,應用程式本地化,應用程式 ......

    uj5u.com 2023-04-20 07:22:35 more