一个人，一辆摩托车，车后插着一面寻子旗帜，很多人通过电影《失孤》认识了郭刚堂。二十多年来，他一直在锲而不舍地做一件事——寻找被拐走的儿子郭新振。7月13日，公安部在北京召开发布会，介绍电影《失孤》原型拐卖案件侦破情况：电影中的被拐儿童原型郭新振已被公安机关找到，犯罪嫌疑人被警方抓获。看了整个事件的来龙去脉真的很感动，父母的爱真的很伟大。
关于失踪儿童在我们国家依旧是一个很值得关注的群体，那么今天我们就通过爬虫来获取我们国家失踪儿童的数据，希望可以更好的帮助那些失踪的孩子早点回到父母的身边。
首先我们使用的是Selenium
1、获取http://bbs.baobeihuijia.com/forum-191-1.html这个版块上的所有分页页面链接
2、设置代理， 代理我们可以通过www.16yun.cn获取
3代码信息如下：
from selenium import webdriver    import string    import zipfile    # 代理服务器(产品官网 www.16yun.cn)    proxyHost = "t.16yun.cn"    proxyPort = "31111"    # 代理验证信息    proxyUser = "16OKTFDX"    proxyPass = "940952"    def create_proxy_auth_extension(proxy_host, proxy_port,                                   proxy_username, proxy_password,                                   scheme='http', plugin_path=None):        if plugin_path is None:            plugin_path = r'D:/{}_{}@t.16yun.zip'.format(proxy_username, proxy_password)        manifest_json = """        {            "version": "1.0.0",            "manifest_version": 2,            "name": "16YUN Proxy",            "permissions": [                "proxy",                "tabs",                "unlimitedStorage",                "storage",                "",                "webRequest",                "webRequestBlocking"            ],            "background": {                "scripts": ["background.js"]            },            "minimum_chrome_version":"22.0.0"        }        """        background_js = string.Template(            """            var config = {                mode: "fixed_servers",                rules: {                    singleProxy: {                        scheme: "${scheme}",                        host: "${host}",                        port: parseInt(${port})                    },                    bypassList: ["foobar.com"]                }              };            chrome.proxy.settings.set({value: config, scope: "regular"}, function() {});            function callbackFn(details) {                return {                    authCredentials: {                        username: "${username}",                        password: "${password}"                    }                };            }            chrome.webRequest.onAuthRequired.addListener(                callbackFn,                {urls: [""]},                ['blocking']            );            """        ).substitute(            host=proxy_host,            port=proxy_port,            username=proxy_username,            password=proxy_password,            scheme=scheme,        )        with zipfile.ZipFile(plugin_path, 'w') as zp:            zp.writestr("manifest.json", manifest_json)            zp.writestr("background.js", background_js)        return plugin_path    proxy_auth_plugin_path = create_proxy_auth_extension(        proxy_host=proxyHost,        proxy_port=proxyPort,        proxy_username=proxyUser,        proxy_password=proxyPass)    option = webdriver.ChromeOptions()    option.add_argument("--start-maximized")    # 如报错 chrome-extensions     # option.add_argument("--disable-extensions")    option.add_extension(proxy_auth_plugin_path)    # 关闭webdriver的一些标志    # option.add_experimental_option('excludeSwitches', ['enable-automation'])            driver = webdriver.Chrome(chrome_options=option)    # 修改webdriver get属性    # script = '''    # Object.defineProperty(navigator, 'webdriver', {    # get: () => undefined    # })    # '''    # driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {"source": script})         driver.get("http://bbs.baobeihuijia.com/forum-191-1.html")贴出代码的初衷是供大家学习爬虫，大家只是研究下网络框架即可，关于更多的爬虫知识大家可以积极交流学习。

一个人，一辆摩托车，车后插着一面寻子旗帜，很多人通过电影《失孤》认识了郭刚堂。二十多年来，他一直在锲而不舍地做一件事——寻找被拐走的儿子郭新振。7月13日，公安部在北京召开发布会，介绍电影《失孤》原型拐卖案件侦破情况：电影中的被拐儿童原型郭新振已被公安机关找到，犯罪嫌疑人被警方抓获。看了整个事件的来龙去脉真的很感动，父母的爱真的很伟大。
关于失踪儿童在我们国家依旧是一个很值得关注的群体，那么今天我们就通过爬虫来获取我们国家失踪儿童的数据，希望可以更好的帮助那些失踪的孩子早点回到父母的身边。
首先我们使用的是Selenium
1、获取http://bbs.baobeihuijia.com/forum-191-1.html这个版块上的所有分页页面链接
2、设置代理， 代理我们可以通过www.16yun.cn获取
3代码信息如下：
from selenium import webdriver    import string    import zipfile    # 代理服务器(产品官网 www.16yun.cn)    proxyHost = "t.16yun.cn"    proxyPort = "31111"    # 代理验证信息    proxyUser = "16OKTFDX"    proxyPass = "940952"    def create_proxy_auth_extension(proxy_host, proxy_port,                                   proxy_username, proxy_password,                                   scheme='http', plugin_path=None):        if plugin_path is None:            plugin_path = r'D:/{}_{}@t.16yun.zip'.format(proxy_username, proxy_password)        manifest_json = """        {            "version": "1.0.0",            "manifest_version": 2,            "name": "16YUN Proxy",            "permissions": [                "proxy",                "tabs",                "unlimitedStorage",                "storage",                "",                "webRequest",                "webRequestBlocking"            ],            "background": {                "scripts": ["background.js"]            },            "minimum_chrome_version":"22.0.0"        }        """        background_js = string.Template(            """            var config = {                mode: "fixed_servers",                rules: {                    singleProxy: {                        scheme: "${scheme}",                        host: "${host}",                        port: parseInt(${port})                    },                    bypassList: ["foobar.com"]                }              };            chrome.proxy.settings.set({value: config, scope: "regular"}, function() {});            function callbackFn(details) {                return {                    authCredentials: {                        username: "${username}",                        password: "${password}"                    }                };            }            chrome.webRequest.onAuthRequired.addListener(                callbackFn,                {urls: [""]},                ['blocking']            );            """        ).substitute(            host=proxy_host,            port=proxy_port,            username=proxy_username,            password=proxy_password,            scheme=scheme,        )        with zipfile.ZipFile(plugin_path, 'w') as zp:            zp.writestr("manifest.json", manifest_json)            zp.writestr("background.js", background_js)        return plugin_path    proxy_auth_plugin_path = create_proxy_auth_extension(        proxy_host=proxyHost,        proxy_port=proxyPort,        proxy_username=proxyUser,        proxy_password=proxyPass)    option = webdriver.ChromeOptions()    option.add_argument("--start-maximized")    # 如报错 chrome-extensions     # option.add_argument("--disable-extensions")    option.add_extension(proxy_auth_plugin_path)    # 关闭webdriver的一些标志    # option.add_experimental_option('excludeSwitches', ['enable-automation'])            driver = webdriver.Chrome(chrome_options=option)    # 修改webdriver get属性    # script = '''    # Object.defineProperty(navigator, 'webdriver', {    # get: () => undefined    # })    # '''    # driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {"source": script})         driver.get("http://bbs.baobeihuijia.com/forum-191-1.html")贴出代码的初衷是供大家学习爬虫，大家只是研究下网络框架即可，关于更多的爬虫知识大家可以积极交流学习。