菁优网爬虫

说明

• interface 为第二版爬虫基于pyqt5 + selenium + PhantomJS 半自动方式

1.采用GUI界面方式半自动爬取，不限制账号，普通账号也可按次数爬取默认100次。此次数为请求次数，实际获取课题id为每页10*100页等于1000条数据

2.手动登陆，弹出浏览器页面可用qq方式登陆，后关闭窗口。获取cookie数据

3.爬虫方式使用selenium+PhantomJS无头浏览器方式静默爬取。因PhantomJS只有10M并满足现有功能，就没有使用谷歌火狐无头模式，即便谷歌火狐更好。后期可更换

4.目前已爬取真实课题ID为目标的半自动爬虫工具，后期待加入爬取详情页数据。详情页数据每次访问为一个真实请求，并且无账号也可访问。故为第二目标

操作方法

登陆与获取登陆账号信息

• 手动QQ登陆，登陆后自动跳转到菁优网主页，获取cookie信息

章节爬取

• 章节爬取会自动将原来的已爬取数据进行更新，已爬取的题库数据不会丢失

题库爬取

• 支持自动翻页，后期加上断点续爬功能

详情页爬取

• 已完成，爬取详情页，和详情中的知识点。

开发环境

环境

安装依赖包环境 pip install -r requirements.txt

编译生成windows可执行程序

pyinstaller main.spec

启动

python main.py