Python3 はリクエストを使用してフラッシュ メモリを送信します
requests は Python の軽量 http クライアント ライブラリで、Python の標準ライブラリよりもはるかにエレガントです。次に、この記事を通して、Python3 でリクエストを使用してフラッシュメモリを送信する方法を紹介します。興味のある友達は一緒に学ぶことができます
requests は、Python 標準よりもはるかにエレガントな Python の軽量 http クライアント ライブラリです。図書館。次に、この記事では、Python3 でフラッシュメモリを送信するためのリクエストを使用する方法を紹介します。一緒に学びましょう。
次のコマンドを使用してリクエストをインストールします
コードをコピーします コードは次のとおりです:
pip install request
パケット キャプチャにはさらに多くの http ヘッダーと Cookie が表示されますツール。一部は省略しても問題ありません。たとえば、Content-Length を省略しました。
import requests url='http://ing.cnblogs.com/ajax/ing/Publish' head={'Accept':'application/json, text/javascript, */*; q=0.01', 'Origin':'http://ing.cnblogs.com', 'X-Requested-With':'XMLHttpRequest', 'Content-Type':'application/json; charset=UTF-8', 'DNT':1, 'Referer':'http://ing.cnblogs.com/', 'Accept-Encoding':'gzip, deflate', 'Accept-Language':'zh-CN,zh;q=0.8,en;q=0.6', } #session 通过抓包工具,或者cookies工具可以得到. cookies={'.CNBlogsCookie':'67834BD16E61A87726AF2203F849339E8DEFF67BC4A453FDG830AC373CAC83BAAF2312B975279092095A0E143400E82BBEE189BD5CB8826CA6A6E836F69EC5783C410C2B815A833D5816CEB5B457B159A38F'}#←_←填你自己的session data={"content":"[天上的星星不说话]python大法好{}","publicFlag":1} s=requests.Session() for r in range(1,122): data['content']="[天上的星星不说话]python大法好{}".format(r) post=s.post(url,data,cookies=cookies) print(post.text)
次のコードはフラッシュメモリを削除するために使用されます
import requests import re def timeit(fn): import time def v(): start=time.clock() fn() end=time.clock()-start print(fn.__name__,"运行耗时:",end) return v url='http://ing.cnblogs.com/ajax/ing/GetIngList?IngListType=my&PageIndex=1&PageSize=30' head={'Accept':'application/json, text/javascript, */*; q=0.01', 'Origin':'http://ing.cnblogs.com', 'X-Requested-With':'XMLHttpRequest', 'Content-Type':'application/json; charset=UTF-8', 'DNT':1, 'Referer':'http://ing.cnblogs.com/mobile/', 'Accept-Encoding':'gzip, deflate', 'Accept-Language':'zh-CN,zh;q=0.8,en;q=0.6', } cookies={'.CNBlogsCookie':'989A8F9SF9SF989S982938492849823498239489284989SDF89S89F8E98F9S88E9R89WER898R989R23423J4K2529R8FS7R2K48978S7DF8'} s=requests.Session() @timeit def geting(): data={'ingId':'878581'} r=s.get(url,cookies=cookies) text=r.text ingid=re.findall('''feed_content_(\d+)(.+?天上的星星不说话.+?DelIng)''',text,re.DOTALL) #ingid=re.findall('''feed_content_(\d+)''',text) #print(ingid) notlucky=[a for a,b in ingid if 'ing_icon_lucky' not in b] for x in notlucky: data['ingId']=x try: sdel=s.post("http://ing.cnblogs.com/ajax/ing/del",cookies=cookies,data=data) print(sdel.text) except: pass for xxx in range(18): geting()
フラッシュメモリを送信するリクエストを使用するPython3に関連するその他の記事については、PHP Chineseに注意してください。 Webサイト!

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このチュートリアルでは、Pythonを使用してZIPFの法則の統計的概念を処理する方法を示し、法律の処理時にPythonの読み取りおよび並べ替えの効率性を示します。 ZIPF分布という用語が何を意味するのか疑問に思うかもしれません。この用語を理解するには、まずZIPFの法律を定義する必要があります。心配しないでください、私は指示を簡素化しようとします。 ZIPFの法則 ZIPFの法則は単に意味します。大きな自然言語のコーパスでは、最も頻繁に発生する単語は、2番目の頻繁な単語のほぼ2倍の頻度で表示されます。 例を見てみましょう。アメリカ英語の茶色のコーパスを見ると、最も頻繁な言葉は「thであることに気付くでしょう。

この記事では、Pythonライブラリである美しいスープを使用してHTMLを解析する方法について説明します。 find()、find_all()、select()、およびget_text()などの一般的な方法は、データ抽出、多様なHTML構造とエラーの処理、および代替案(SEL

ノイズの多い画像を扱うことは、特に携帯電話や低解像度のカメラの写真でよくある問題です。 このチュートリアルでは、OpenCVを使用してPythonの画像フィルタリング手法を調査して、この問題に取り組みます。 画像フィルタリング:強力なツール 画像フィルター

PDFファイルは、クロスプラットフォームの互換性に人気があり、オペレーティングシステム、読み取りデバイス、ソフトウェア間でコンテンツとレイアウトが一貫しています。ただし、Python Plansing Plain Text Filesとは異なり、PDFファイルは、より複雑な構造を持つバイナリファイルであり、フォント、色、画像などの要素を含んでいます。 幸いなことに、Pythonの外部モジュールでPDFファイルを処理することは難しくありません。この記事では、PYPDF2モジュールを使用して、PDFファイルを開き、ページを印刷し、テキストを抽出する方法を示します。 PDFファイルの作成と編集については、私からの別のチュートリアルを参照してください。 準備 コアは、外部モジュールPYPDF2を使用することにあります。まず、PIPを使用してインストールします。 ピップはpです

このチュートリアルでは、Redisキャッシングを活用して、特にDjangoフレームワーク内でPythonアプリケーションのパフォーマンスを向上させる方法を示しています。 Redisのインストール、Django構成、およびパフォーマンスの比較をカバーして、Beneを強調します

この記事では、深い学習のためにTensorflowとPytorchを比較しています。 関連する手順、データの準備、モデルの構築、トレーニング、評価、展開について詳しく説明しています。 特に計算グラップに関して、フレームワーク間の重要な違い

このチュートリアルでは、Python 3にカスタムパイプラインデータ構造を作成し、機能を強化するためにクラスとオペレーターのオーバーロードを活用していることを示しています。 パイプラインの柔軟性は、一連の機能をデータセットに適用する能力にあります。

データサイエンスと処理のお気に入りであるPythonは、高性能コンピューティングのための豊富なエコシステムを提供します。ただし、Pythonの並列プログラミングは、独自の課題を提示します。このチュートリアルでは、これらの課題を調査し、グローバルな承認に焦点を当てています
