在Python中使用cookielib和urllib2配合PyQuery抓取网页信息

刚才好无聊，突然想起来之前做一个课表的点子，于是百度了起来。

刚开始，我是这样想的：在写微信墙的时候，用到了urllib2【两行代码抓网页】，那么就只剩下解析html了。于是百度：python解析html。发现一篇好文章，其中介绍到了pyQuery。

pyQuery 是 jQuery 在 Python 中的实现，能够以 jQuery 的语法�操作解析 HTML 文档。使用前需要安装，Mac安装方法如下：

    sudo easy_install pyquery

OK！安装好了！

我们来试一试吧：

    from pyquery import PyQuery as pq
    html = pq(url=u'http://seam.ustb.edu.cn:8080/jwgl/index.jsp')
    #现在已经获取了本科教学网首页的html
    classes = html('.haveclass')
    #通过类名获取元素
    #如果你对jQuery熟悉的话，那么你现在肯定明白pyQuery的方便了
    更多用法参见pyQuery API

好像学会了使用pyQuery就能抓课表了呢，但是，如果你直接用我的源码，肯定会出错。因为还没有登录啊！

所以，在运行这一行抓取正确的代码之前，我们需要模拟登录本科教学网。这个时候，我想起来urllib有模拟post请求的函数，于是我百度了：urllib post。

这是一个最简的模拟post请求例子：

    import urllib
    import urllib2
    import cookielib

    cj = cookielib.CookieJar()
    opener = urllib2.build_opener(urllib2.HTTPCookieProcessor(cj))
    opener.addheaders = [('User-agent','Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1)')]
    urllib2.install_opener(opener)
    req = urllib2.Request("http://seam.ustb.edu.cn:8080/jwgl/Login",urllib.urlencode({"username":"41255029","password":"123456","usertype":"student"}))
    req.add_header("Referer","http://xxoo.com")
    resp = urllib2.urlopen(req)
    #这里面用到了cookielib，我不太清楚，以后慢慢了解吧
    #还用到了urllib和urllib2，urllib2大概是urllib的扩展包【233想到了三国杀

在这个最简的实例里，用我的校园网账号向登录页面提交表单数据，模拟登录。

现在，我们已经登录了本科教学网，然后结合之前的pyQuery解析html就可以获取网页内的课表了。

    html = pq(url=u'http://seam.ustb.edu.cn:8080/jwgl/index.jsp')
    self.render("index.html",data=html('.haveclass'))

结果展示如图：

最后：

我发现，pyQuery不但用于解析html非常方便，而且可以作为跨域抓取数据的工具，NICE!!!

希望对大家有帮助。