Python教程

教你用Python爬取动态加载的数据

本文主要是介绍教你用Python爬取动态加载的数据,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

例子1:爬取豆瓣电影中的电影详情数据

url:https://movie.douban.com/

1.什么是动态加载的数据:

我们通过requests模块进行数据爬取无法每次都是可见即可得,有些数据是通过非浏览器地址栏中得url请求到的地址。而是其他请求请求到的数据,那么这些通过其他请求请求到的数据就是动态加载的数据。(猜测有可能是js代码当咱们访问此页面时就会发送得get请求,到其他url中获取数据)

2.如何检测网页中是否存在动态加载得数据

在当前页面中打开抓包工具,捕获到地址栏中的url对应的数据包,在该数据包的response选项卡搜索我们想要爬取的数据,如果搜索到了结果则表示数据不是动态加载的,否则表示数据为动态加载的

3.如果数据为动态加载,那么我们如何捕获到动态加载的数据?

基于抓包工具进行全局搜索。

定位到动态加载数据对应的数据包,从该数据包中就可以提取出

  • 请求的url 请求方式 请求携带的参数 看到响应数据

然后要分析参数跟url的关系。发现他有 ‘start’: ‘0’,‘limit’: ‘20’, 在url中有携带此参数,此参数start就是从哪个电影开始。limit就是从开始之后显示多少个。例如爬取前30个电影数据,就是start :0 到 limit :30 ,例如start :2 到 limit :12,就是从第二个电影,再往后获取12个电影

所以我们开始写代码:爬取从第10个开始后面的50个电影

例子2:分页爬取肯德基餐厅位置数据

分页数据的爬取操作 爬取肯德基的餐厅位置数据 url:http://www.kfc.com.cn/kfccda/storelist/index.aspx

分析: 1.在录入关键字的文本框中录入关键字按下搜索按钮,发起的是一个ajax请求 当前页面刷新出来的位置信息一定是通过ajax请求请求到的数据 2.基于抓包工具定位到该ajax请求的数据包,从该数据包中捕获到:

  • 请求的url 请求方式 请求携带的参数 看到响应数据
#爬取的是第一页的数据
url = http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword
data = {
          
   
    cname: ,
    pid: ,
    keyword: 北京,
    pageIndex: 1,
    pageSize: 10,
}
#data参数是post方法中处理参数动态化的参数
get的参数用params,他会显示在url上。post用data!!!!
response = requests.post(url=url,headers=headers,data=data)
page_text = response.json()
for dic in page_text[Table1]:
    title = dic[storeName]
    addr = dic[addressDetail]
    print(title,addr)
    
#爬取多页的话
分析之后处理data数据即可,pageIndex就是显示的页数。for循环,请求每一页的。
for page in range(1,9):
    data = {
          
   
        cname: ,
        pid: ,
        keyword: 北京,
        pageIndex: str(page),
        pageSize: 10,
    }
    response = requests.post(url=url,headers=headers,data=data)
    page_text = response.json()
    for dic in page_text[Table1]:
        title = dic[storeName]
        addr = dic[addressDetail]
        print(title,addr)

例子3:药监总局每页的详情数据

url = http://125.35.6.84:81/xk/

我们get请求当前url,response选项卡中并未有各个企业的数据,通过抓包工具搜索,发现是post请求了其他网址获取的数据,所以我们通过这个post请求获取url发送请求

然后我们发请求获取到每页的数据。但是我们需要每页中每个企业的详情页内容

我们点开详情页,发现get请求此页面response选项卡中没有数据,后来我们发现此页面也是动态加载的数据。有个post请求发送获取数据

经过分析发现他是通过id来查询结果的,此ID在获取页面Json数据时每个企业都有 结果以上。我们写代码获取前3页所有企业的详情信息

这篇关于教你用Python爬取动态加载的数据的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!