爬虫入门01

1. 请求头中最常见的一些重要内容

1. User-Agent : 请求载体的身份标识(⽤啥发送的请求)
2. Referer: 防盗链(这次请求是从哪个⻚⾯来的? 反爬会⽤到)
3. cookie: 本地字符串数据信息(⽤户登录信息, 反爬的token)

2. 响应头中一些重要内容

1. cookie: 本地字符串数据信息(⽤户登录信息, 反爬的token)
2. 各种神奇的莫名其妙的字符串(这个需要经验了, ⼀般都是token
   字样, 防⽌各种攻击和反爬)

数据解析的四种方式

1. re解析
2. bs4解析（beautifulsoup）
3. xpath解析
4. pyquery解析
   这四种方式可以混合使用，完全以结果做导向，只要能拿到想要的数据。

正则表达式

1. 元字符：具有固定含义的特殊符号，常用元字符
   • . 匹配除换⾏符以外的任意字符, 未来在python的re模块
     中是⼀个坑.
   • \w 匹配字⺟或数字或下划线
   • \s 匹配任意的空⽩符
     \d 匹配数字
   • \n 匹配⼀个换⾏符
   • \t 匹配⼀个制表符
   • ^ 匹配字符串的开始
   • $ 匹配字符串的结尾
   • \W 匹配⾮字⺟或数字或下划线
   • \D 匹配⾮数字
   • \S 匹配⾮空⽩符
   • a|b 匹配字符a或字符b
   • () 匹配括号内的表达式，也表示⼀个组
   • […] 匹配字符组中的字符
   • [^…] 匹配除了字符组中字符的所有字符
2. 量词：控制前面的元字符出现的次数
   • 重复零次或更多次
   • • 重复⼀次或更多次
   • ? 重复零次或⼀次
   • {n} 重复n次
   • {n,} 重复n次或更多次
   • {n,m} 重复n到m次
3. 贪婪匹配和惰性匹配
   • .* 贪婪匹配, 尽可能多的去匹配结果
   • .*? 惰性匹配, 尽可能少的去匹配结果 -> 回溯
     这两个要着重的说⼀下. 因为我们写爬⾍⽤的最多的就是这个惰性匹
     配.

正则预加载

1. 提前编写好正则对象

import re# 提前把正则对象加载完毕
obj = re.compile(r"\d+")
# 直接把加载好的正则进行使用
ret = obj.finditer("abc123def456qqq789")
for item in ret:print(item.group())

分组提取数据

# 分组提取
a = """
<div class='⻄游记'><span id='10010'>中国联通</span></div>
<div class='⻄游记'><span id='10086'>中国移动</span></div>
"""
obj = re.compile(r"<span id='(?P<id>\d+)'>(?P<name>.*?)</span>")
ret = obj.finditer(a)
for item in ret:print(item.group("id"), item.group("name"))

python中如何让"."匹配换行符、re.S

obj = re.compile(r'<div class="item">.*?<span class="title">(?P<name>.*?)</span>', re.S)

app逆向四个阶段

1. 快速了解app逆向到底干的什么
2. java基础
3. 安卓开发
4. 逆向+案例

安卓设备

1. 真机
2. 模拟器

# win: 逍遥、夜神、雷电、网易mumu
# max: 网页mum
win安装时需要开启vt。

3. 安装网页mumu模拟器后，先开启root权限