网页抓取手机号(网页抓取手机号，怎么找，你试过了吗)

　　网页抓取手机号(网页抓取手机号，怎么找，你试过了吗)

　　网页抓取手机号，怎么找，你试过了吗。分享一个我之前用爬虫抓取的一个，非常简单快速地找到号码的方法。我用的是python3，操作很简单，建议用python3哦。写爬虫不是小学生的问题，是一门系统性的工程。首先你需要定义你要找哪些东西。最近python的包里有个string用来存储数字和字符串。这个很合适用来作为抓取的对象。

　　网页里有千千万万的数字和字符串，你能确定你那里有么？有过抓取的小伙伴可能会说，你又不给我数字和字符串。那好，你知道找什么嘛。目前你需要的是你从网页爬下来的每一个数字或者字符串的html源码。找到源码里的每一个数字和字符串的标签，然后定位到它们的标签里。这些标签我称为元素。网页里常用的元素有，class、tag标签、img、screen、p标签，还有productid这种不需要实体的标签。

　　找到元素也是要找到他们的标签，可以找到这些标签的属性。抓包也是找标签的一种，我们称之为网络请求。-我们先写代码练练手。以前我写爬虫都是在网上找代码，我喜欢用python，但是他们没有提供抓包。等抓包搞定了，我才来写爬虫。但是效率很低下。因为我所有的数据都在本地，所以要么通过自己造访原始网页，要么找别人造访，那网络请求就会被屏蔽。

　　其实很多情况是我自己造访的。我这边简单介绍两种抓包方法。wireshark。我们可以以迅雷为例。你要抓网页的字典，在本地写好请求，请求的目标需要和设定好的编码一致。迅雷会提示你说什么东西太慢了。tcp、udp的编码一般为utf-8，但是比如说，我抓代码，网页是abcdefg。我们在wireshark里看看，你说，udp那边响应请求的速度是多少，而udp的请求的编码和传输都是用我定义的ascii编码。

　　所以有些时候，我并不知道这个请求到底是udp还是udp，请求到底是什么编码格式。比如，我抓udp的包，如果是udp的包，很显然，你下载一下就会发现，那么多请求，竟然无一例外都是gopath>/tmp/usereditor.py,里面传来一堆乱码。难道中国互联网的编码都这样么？不是，是我们造访网页的编码格式不一样。--。