[人工智能]Python爬虫教程3 | 什么？你在CSDN上等级太低？Python爬虫来解决！

前言

这几天刚刚开始写文章，想玩一玩粉丝服务的功能，但是等级太低了，怎么办呢？
要想提高等级，就要有足够的积分，积分怎么获得呢？

可以看到，每发表一次评论，就可以得到一分，但是我们总不能评论400次吧——当然可以！

具体教程

阅读教程前请注意：此文章仅使用于学习交流，请自行承担一切后果和法律责任！

获取API

在这篇文章中我也讲过API的使用方法，这里就不多说了，直接看图：

很好，获取到了CSDN的评论API，但是好像和以前有点不一样

没错，这里的请求变成了POST请求，也就是说我们要向服务器发送数据。

POST请求

POST请求会向服务器发送数据，上一章我们使用的是GET请求，是从服务器获取数据的。
在Python中，POST请求的表达方式为这样：

requests.post(url, headers=None, data=None)

其中data参数是字典，键为网址参数的名称，值为网址参数的内容，格式为：

{
    "参数1": "balabalabala",
    "参数2": "true",
    "参数3": "10000"
}

获取API参数和请求头

这很简单，从开发者工具里copy过来即可。

很明显，content是评论的内容；articleId是文章的id（文章的网址中会出现）

获取待评论文章

很简单，看图：

这样我们就得到了获取作者文章的API：https://blog.csdn.net/community/home-api/v1/get-business-list?page=1&size=20&businessType=blog&orderby=&noMore=false&username=python_delete
打开来看一下：

也就是说，我们可以获取文章的articleId参数，那就方便了！
话不多说，直接上代码：

代码

import requests
import random
import json # 用于处理数据

URL = "https://blog.csdn.net/phoenix/web/v1/comment/submit" # 评论API网址
HEADERS = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36"
} # 请求头
content_list = ["写得真好！", "太厉害了！", "好！！！", "好文！值得分享！"] # 评论列表
data = {
    "content": random.choice(content_list), # 从评论列表中随机选择
    "articleId": ""
} # 参数列表

# 文章API网址
# 自行修改page参数和size参数，可以使用for循环遍历
# 这里是为了避免自动化出现问题
blogs_article_id_url = f"https://blog.csdn.net/community/home-api/v1/get-business-list?page=0&size=10&username=请自行寻找作者，最好是有几千篇文章的那种&businessType=blog&orderby=&noMore=false"
blogs_article_id_list = [i["articleId"] for i in json.loads(requests.get(blogs_article_id_url, headers=HEADERS).text)["data"]["list"]] # 获取articleId列表
print(blogs_article_id_list)

完整代码

import requests
import random
import json # 用于处理数据
import time

URL = "https://blog.csdn.net/phoenix/web/v1/comment/submit" # API网址
HEADERS = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36"
} # 请求头
content_list = ["写得真好！", "太厉害了！", "好！！！", "好文！值得分享！"] # 评论列表
data = {
    "content": random.choice(content_list), # 从评论列表中随机选择
    "articleId": ""
} # 参数列表

blogs_article_id_url = f"https://blog.csdn.net/community/home-api/v1/get-business-list?page=3&size=10&username=python_delete&businessType=blog&orderby=&noMore=false" # API网址
blogs_article_id_list = [i["articleId"] for i in json.loads(requests.get(blogs_article_id_url, headers=HEADERS).text)["data"]["list"]] # 获取articleId列表
print(blogs_article_id_list)

for i in blogs_article_id_list: # 遍历列表
    data["articleId"] = i # 设置articleId
    response = requests.post(URL, headers=HEADERS, data=data)
    print(response.text)
    time.sleep(20 + random.random() * 10) # 休眠
    if i % 4 == 3: # 每遍历四次休眠一分钟
        time.sleep(60)

现在，让我们运行试试：

这是怎么回事呢？因为我们没有用户的信息，服务器不知道是谁发来的评论，自然不会发表了。

解决方法

既然这样，那怎么解决呢？答案很简单，那就是使用Cookie来发送用户信息。

Cookie

Cookie用于存储我们的用户信息。简单来说，当我们登录的时候，服务器向浏览器发送Cookie，浏览器会保存这个Cookie，下次来到这个网站的时候，浏览器直接使用存储的这个Cookie，就不需要再登录了。

获取Cookie

依旧是靠开发者工具：

懂了吗？在Python中Cookie放在headers里面，像这样：

HEADERS = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win32; x32) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36",
    "Cookie": "这是你的Cookie，直接从开发者工具copy即可"
}

最终作品

import requests
import random
import json # 用于处理数据
import time

URL = "https://blog.csdn.net/phoenix/web/v1/comment/submit" # 评论API网址
HEADERS = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win32; x32) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36",
    "Cookie": "请自行复制"
} # 请求头
content_list = ["写得真好！", "太厉害了！", "好！！！", "好文！值得分享！"] # 评论列表
data = {
    "content": random.choice(content_list), # 从评论列表中随机选择
    "articleId": ""
} # 参数列表

# 文章API网址
# 自行修改page参数和size参数，可以使用for循环遍历
# 这里是为了避免自动化出现问题
blogs_article_id_url = f"https://blog.csdn.net/community/home-api/v1/get-business-list?page=4&size=10&username=python_delete&businessType=blog&orderby=&noMore=false"
blogs_article_id_list = [i["articleId"] for i in json.loads(requests.get(blogs_article_id_url, headers=HEADERS).text)["data"]["list"]] # 获取articleId列表
print(blogs_article_id_list)

for i in blogs_article_id_list: # 遍历列表
    data["articleId"] = i # 设置articleId
    response = requests.post(URL, headers=HEADERS, data=data)
    print(response.text)
    time.sleep(20 + random.random() * 10) # 休眠
    if i % 4 == 3: # 每遍历四次休眠一分钟
        time.sleep(60)

运行结果非常成功！

尾声

再次声明，此文章仅使用于学习交流，请自行承担一切后果和法律责任！
（入狱概不负责）
求求各位了，给个三连吧！

往期推荐

Python爬虫教程1
Python爬虫教程2 // Python获取C站大佬们的文章数量
pip提高下载速度
Python字符串的10个常用小技巧