问题 在做网站的时候，经常会提供用户评论的功能。有些不怀好意的用户，会搞一些脚本到评论内容中，而这些脚本可能会破坏整个页面的行为，更严重的是获取一些机要信息，此时需要清理该HTML，以避免跨站脚本cross-site scripting攻击（XSS）。 方法 使用jsoup HTML Cleaner ...
分类：
Web程序 时间：
2020-03-21 21:18:58
阅读次数：
87
import requestsfrom bs4 import BeautifulSoupurl = 'https://s.weibo.com/top/summary?cate=realtimehot'headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6 ...
分类：
其他好文 时间：
2020-03-21 16:34:43
阅读次数：
142
from selenium import webdriver from bs4 import BeautifulSoup from selenium.webdriver.common.by import By from selenium.webdriver.common.keys import Ke ...
分类：
其他好文 时间：
2020-03-21 14:47:09
阅读次数：
64
import requests#导入相应库from bs4 import BeautifulSoupimport pandas as pdurl = 'http://top.baidu.com/buzz?b=1&c=513&fr=topbuzz_b341_c513'#要爬取的网址headers = ...
分类：
其他好文 时间：
2020-03-21 14:37:17
阅读次数：
104
1.打开所要爬取的网页https://s.weibo.com/weibo?q=%E7%83%AD%E6%90%9C&wvr=6&b=1&Refer=SWeibo_box 2.打开开发者工具查找所要爬取的数据位置 3.进行爬取并数据可视化 import requests#引入requests库用于下载 ...
分类：
编程语言 时间：
2020-03-20 14:21:37
阅读次数：
79
import requests from bs4 import BeautifulSoup import time import os import urllib #需要爬取的目标网页 link='https://www.zhihu.com/hot' #对网页进行解析 soup=BeautifulS ...
分类：
其他好文 时间：
2020-03-20 11:10:29
阅读次数：
75
简介 最近不管是在QQ群还是在微信 群里总是能够看到IDE的激活码失效的字眼，宏哥也一直在说“关注公众号发送《激活码》三个字就可以获取到有效的激活码”。可是还是有些童鞋们和小伙伴在一直不停的问问问。究其根本原因还是大多数还是穷人或者是永久激活失败了 ，如果有钱直接就购买整版了，如果永久激活就不会到期 ...
分类：
其他好文 时间：
2020-03-18 11:51:32
阅读次数：
91
从网页源代码中找到我们需要爬取的标签且是html结构，爬取目标为class=’job_titile'和class='job_content' import requests from bs4 import BeautifulSoup import bs4 import pandas as pd #引 ...
分类：
其他好文 时间：
2020-03-17 21:06:01
阅读次数：
64
1.导入相应的库 2.找到要爬取的网站：http://top.baidu.com/buzz?b=341&c=513&fr=topbuzz_b341_c513 3.找到爬去的内容： 4.用for循环将需要的内容添加到空列表中，在使用DataFrame打印出热搜榜前十 import requests f ...
分类：
其他好文 时间：
2020-03-16 16:23:23
阅读次数：
77
1、遍历文档树 使用示例： html_doc = """ <html><head><title>The Dormouse's story</title></head> <body> <p class="title"><b>The Dormouse's story</b></p> <p class=" ...
分类：
编程语言 时间：
2020-03-11 15:41:18
阅读次数：
67
