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
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
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:
#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)
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