用Python实现一个CSDN自动三连工具

简介: 用Python实现一个CSDN自动三连工具

对于CSDN自动三连工具,大佬小小明很早就实现了一个 GUI 版本的工具,具体页面如下

从界面就可以看出,这款工具还是非常强大而且功能也相当齐全了,喜欢的朋友可以去小明哥的CSDN上查找哈。

工具虽好,不过还是有一个缺点,就是不方便每天自动化运行,那么今天我们就来实现一款可以每天自动运行的三连工具

实现思路

如果把工具实现成 GUI 的形式,类似上面的做法,确实方便用户使用了,但是却不利于自动运行,所以我们可以实现成后台应用的形式,比如直接编写代码调用相关接口,然后使用 crontab 来做定时运行

于是我们可以完成如下的代码构造

class CSDN:
    def __init__(self):
        ...
    def getHotRank(self):
        ...
    def likePost(self, articleId):
        ...
    def buryPost(self, articleId):
        ...
    def favoritePost(self, details, articleId):
        ...
    def submitPost(self, articleId, comment):
        ...
    def followPost(self):
        ...

首先是从热榜中获取相关文章信息,然后就是进行点赞,收藏,留言和关注的操作了

接口请求

我们首先在 CSDN 热榜页面进行抓包,通过 F12 可以非常方便 看到热榜的相关请求如下

"https://blog.csdn.net/phoenix/web/blog/hot-rank?page=0&pageSize=25&type="

那么获取热榜数据的代码如下

def getHotRank(self):
    HotRankUrl = config.Hot_Rank
    hot_rank = requests.get(HotRankUrl, headers=self.headers)
    return hot_rank.json()

就是最简单的 request 请求,当时这里的 headers 我们是在构造函数中定义的,且 headers 中包含你登录的 cookie 信息

接下来我们通过同样的方式,分别抓取 like,submit 和 favorite 记忆 follow 接口

下面我们只给出 favorite 的代码,其余代码大家可以自行完成

def favoritePost(self, details, articleId):
    fav_userName = self.cookie.split("UserName=")[-1].split(";")[0]
    articleTitle = details["articleTitle"]
    articleDetailUrl = details["articleDetailUrl"]
    userName = details["userName"]
    self.favorite_json["username"] = fav_userName
    self.favorite_json["author"] = userName
    self.favorite_json["url"] = articleDetailUrl
    self.favorite_json["title"] = articleTitle
    self.favorite_json["sourceId"] = articleId
    favUrl = config.Favorite_Post
    payload = json.dumps(self.favorite_json)
    headers = self.headers
    headers['Content-Type'] = 'application/json'
    favoritepost = requests.post(favUrl, headers=headers, data=payload)
    print(favoritepost.json())

最后,我们完成整个脚本的调用

if __name__ == '__main__':
    csdn = CSDN()
    data = csdn.getHotRank()
    details_list = data["data"]
    with open("comment.txt", "r") as f:
        comment = f.readlines()
    for i in details_list:
        num_items = len(comment)
        random_index = random.randrange(num_items)
        random_comment = comment[random_index]
        articleId = i["productId"]
        csdn.likePost(articleId)
        csdn.favoritePost(i, articleId)
        csdn.submitPost(articleId, random_comment)
        random_time = random.randint(1, 30)
        time.sleep(random_time)

这里我们提前准备好了留言的模板文件,然后随机从文件中选择一条留言信息进行请求操作

定时运行

最后我们把整个脚本部署到自己的 Linux 服务器上,萝卜哥这里使用的是阿里云,当前其他的腾讯云,华为云等都是类似的

我们先登录云服务器,我这里用的工具是 MobaX

然后直接设置 crontab 文件即可

我这里设置了每天5点定时执行该脚本,现在再也不用每天打开上面的 GUI 软件来手工执行了,舒服!

好了,这就是今天分享的全部内容,喜欢就点个吧~

相关文章
|
27天前
|
数据安全/隐私保护 Python
python之自动化进入CSDN
python之自动化进入CSDN
22 0
|
24天前
|
数据采集 数据可视化 数据挖掘
R语言与Python:比较两种数据分析工具
R语言和Python是目前最流行的两种数据分析工具。本文将对这两种工具进行比较,包括它们的历史、特点、应用场景、社区支持、学习资源、性能等方面,以帮助读者更好地了解和选择适合自己的数据分析工具。
25 2
|
24天前
|
C语言 开发者 Python
探索Python中的列表推导式:简洁而强大的工具
【10月更文挑战第21天】在Python的世界里,代码的优雅与效率同样重要。列表推导式(List Comprehensions)作为一种强大而简洁的工具,允许开发者通过一行代码完成对列表的复杂操作。本文将深入探讨列表推导式的使用方法、性能考量以及它如何提升代码的可读性和效率。
|
1月前
|
自然语言处理 算法 数据挖掘
探讨如何利用Python中的NLP工具,从被动收集到主动分析文本数据的过程
【10月更文挑战第11天】本文介绍了自然语言处理(NLP)在文本分析中的应用,从被动收集到主动分析的过程。通过Python代码示例,详细展示了文本预处理、特征提取、情感分析和主题建模等关键技术,帮助读者理解如何有效利用NLP工具进行文本数据分析。
47 2
|
1月前
|
测试技术 Python
Python MagicMock: Mock 变量的强大工具
Python MagicMock: Mock 变量的强大工具
|
1月前
|
存储 Python
python数据类型、debug工具(一)
python数据类型、debug工具(一)
|
21天前
|
C语言 Python
探索Python中的列表推导式:简洁而强大的工具
【10月更文挑战第24天】在Python编程的世界中,追求代码的简洁性和可读性是永恒的主题。列表推导式(List Comprehensions)作为Python语言的一个特色功能,提供了一种优雅且高效的方法来创建和处理列表。本文将深入探讨列表推导式的使用场景、语法结构以及如何通过它简化日常编程任务。
|
1月前
|
网络协议 IDE iOS开发
Python编程---简单的聊天工具
Python编程---简单的聊天工具
|
1月前
|
机器学习/深度学习 Unix 开发者
python的环境管理工具有哪些
python的环境管理工具有哪些
21 0
|
1月前
|
程序员 开发者 Python
深度解析Python中的元编程:从装饰器到自定义类创建工具
【10月更文挑战第5天】在现代软件开发中,元编程是一种高级技术,它允许程序员编写能够生成或修改其他程序的代码。这使得开发者可以更灵活地控制和扩展他们的应用逻辑。Python作为一种动态类型语言,提供了丰富的元编程特性,如装饰器、元类以及动态函数和类的创建等。本文将深入探讨这些特性,并通过具体的代码示例来展示如何有效地利用它们。
35 0