第四关地址：http://www.heibanke.com/lesson/crawler_ex03/
一开始看到的时候有点蒙，不知道啥意思，说密码需要找出来但也没说怎么找啊。
别急，随便输了个昵称和密码，提交一下，就能看到密码提示了。
进入到找密码的链接，显示如下：
注意那一行大字，提示网页加载速度很慢，这一关的意图很明显了，就是：多线程。
密码一共100位，这里虽然显示了翻页，但其实每一页显示的位置是随机的，可能会重复，所以并不是一页页翻到最后一页就可以获取到完整的密码了。
所以我们只要开个多线程，不停的刷第一页就可以了，直到100位全部获取到。
登录部分和第三关是一样的，链接：https://www.cnblogs.com/gl1573/p/9651027.html
代码如下：
import re
import threading
import time
import requests
from bs4 import BeautifulSoup pwlist = [-1 for i in range(100)]
count = 0
lock = threading.Lock() def main():
url_login = 'http://www.heibanke.com/accounts/login/?next=/lesson/crawler_ex03/'
url = 'http://www.heibanke.com/lesson/crawler_ex03/'
session = requests.Session()
session.get(url_login)
token = session.cookies['csrftoken']
# 登录
session.post(url_login, data={'csrfmiddlewaretoken': token, 'username': 'xx', 'password': 'xx'})
threadlist = [threading.Thread(target=getpw, args=(session,)) for i in range(2)]
for thread in threadlist:
thread.setDaemon(True)
thread.start()
for thread in threadlist:
thread.join()
psd = ''.join(pwlist)
print(f'密码：{psd}')
session.get(url)
token = session.cookies['csrftoken']
r = session.post(url, data={'csrfmiddlewaretoken': token, 'username': 'aa', 'password': psd})
html = r.text
if '密码错误' not in html:
m = re.search('(?<=\<h3\>).*?(?=\</h3\>)', html)
print(m.group()) def getpw(session):
pw_url = 'http://www.heibanke.com/lesson/crawler_ex03/pw_list/'
global count, pwlist
while count < 100:
try:
html = session.get(pw_url).text
except:
time.sleep(1)
continue
if '404 Not Found' in html:
continue
soup = BeautifulSoup(html, 'lxml')
pos = soup.find_all('td', {'title': 'password_pos'})
val = soup.find_all('td', {'title': 'password_val'})
for i in range(len(pos)):
p = int(pos[i].string)
v = val[i].string
lock.acquire()
if pwlist[p - 1] == -1:
pwlist[p - 1] = v
count += 1
lock.release() if __name__ == '__main__':
main()
这里有一点需要注意，开了很多个线程以后，会发现返回一堆的404，这是黑板课做的一个限制，服务器15秒内最多返回两个请求，否则返回404，所以，开20个线程和开2个线程是一样的。