爬取动态网页 | 您所在的位置:网站首页 › 爬取vue写的网站 › 爬取动态网页 |
原理:动态网页,即用js代码实现动态加载数据,就是可以根据用户的行为,自动访问服务器请求数据,重点就是:请求数据,那么怎么用python获取这个数据了? 浏览器请求数据方式:浏览器向服务器的api(例如这样的字符串:http://api.qingyunke.com/api.php?key=free&appid=0&msg=关键词)发送请求,服务器返回json,然后解析该json,就得到请求数据了 同理:用Python向api发送请求,获得json,解析json,得到数据 即关键在于得到api api获取: 将鼠标放在上图图示位置,将显示该用户的一些信息,这些信息就是动态加载出来的。当鼠标放在该位置时,浏览器向服务器api发出请求,得到json,再解析便得到下图所示数据 在该网页反键选择检查源代码,按图示点开选项: 然后将鼠标移动到网页界面用户上(箭头位置),会发现右边多出两个请求信息,如图: 点击下面一个,红色方框内的链接,就是要找的api接口 直接用浏览器打开该api即可看到json,如下图 下面用python代码请求该api并解析 import requests import json #api url='https://www.zhihu.com/api/v4/members/wisphilo?include=allow_message%2Cis_followed%2Cis_following%2Cis_org%2Cis_blocking%2Cemployments%2Canswer_count%2Cfollower_count%2Carticles_count%2Cgender%2Cbadge%5B%3F(type%3Dbest_answerer)%5D.topics' #header的目的是模拟请求,因为该api设置了反爬取 header={ 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36' } doc=requests.get(url,headers=header)#发起请求 doc.encoding='utf-8'#设置编码为utf-8 data=json.loads(doc.text)#将json字符串转为json #根据位置查找数据 print('用户名:',data.get('name')) print('个人描述:',data.get('headline')) print('职务:'+data.get('employments')[0].get('job').get('name')) print('回答:',data.get('answer_count')) print('文章:',data.get('articles_count')) print('关注者:',data.get('follower_count')) 另外查找数据最好用在线json格式化再查找,不然很难看出自己要的数据在哪eg: 一般网页的api都有规律可寻,用for循环控制变换字符即可实现自动爬取 上述代码运行结果: 和该界面对照 以上 利用selenium并使用gevent爬取动态网页数据 首先要下载相应的库 gevent协程库:pip install gevent selenium模拟浏览器访问库:pip install selenium selenium库相应驱动配置 https: ... python爬取动态网页2,从JavaScript文件读取内容 import requests import json head = {"user-agent":"Mozilla/5.0 (Windows NT 6.1; WOW64) ... Python:将爬取的网页数据写入Excel文件中 Python:将爬取的网页数据写入Excel文件中 通过网络爬虫爬取信息后,我们一般是将内容存入txt文件或者数据库中,也可以写入Excel文件中,这里介绍关于使用Excel文件保存爬取到的网页数据的 ... selenium抓取动态网页数据 1.selenium抓取动态网页数据基础介绍 1.1 什么是AJAX AJAX(Asynchronouse JavaScript And XML:异步JavaScript和XML)通过在后台与服务器进 ... R语言爬取动态网页之环境准备 在R实现pm2.5地图数据展示文章中,使用rvest包实现了静态页面的数据抓取,然而rvest只能抓取静态网页,而诸如ajax异步加载的动态网页结构无能为力.在R语言中,爬取这类网页可以使用RSele ... python爬取某个网页的图片-如百度贴吧 python爬取某个网页的图片-如百度贴吧 作者:vpoet mail:[email protected] 注:随意copy,不用告诉我 #coding:utf-8 import urllib imp ... Python 爬取单个网页所需要加载的地址和CSS、JS文件地址 Python 爬取单个网页所需要加载的URL地址和CSS.JS文件地址 通过学习Python爬虫,知道根据正式表达式匹配查找到所需要的内容(标题.图片.文章等等).而我从测试的角度去使用Python爬 ... 利用Python爬取朋友圈数据,爬到你开始怀疑人生 人生最难的事是自我认知,用Python爬取朋友圈数据,让我们重新审视自己,审视我们周围的圈子. 文:朱元禄(@数据分析-jacky) 哲学的两大问题:1.我是谁?2.我们从哪里来? 本文 jacky试 ... 爬虫(三)通过Selenium + Headless Chrome爬取动态网页 一.Selenium Selenium是一个用于Web应用程序测试的工具,它可以在各种浏览器中运行,包括Chrome,Safari,Firefox 等主流界面式浏览器. 我们可以直接用pip inst ... 随机推荐 lucene 使用注意 1.建立索引时,忘记writer.close(); 结果: 正常结果: About Wisdom All human wisdom is summed up in two words --- wait and hope.人类所有的智慧可以归结为两个词---等待和希望. —— Alexandre D ... ADO.NET——获取output 和 return值 程序代码 //存储过程 //Create PROCEDURE MYSQL // @a int, // @b int //AS // return @a + @b //GO SqlConnection ... python学习之路-11 多线程、多进程、协程 python内置队列模块 queue queue的四种队列 q = queue.Queue() # 先进先出队列 q = queue.LifoQueue() # 后进先出队列 q = queue.Pr ... android系统的图片资源 使用系统的图片资源的好处有,一个是美工不需要重复的做一份已有的图片了,可以节约不少工时:另一个是能保证我们的应用程序的风格与系统一致. 1.引用方式 在源代码*.Java中可以进入如下方式引用: my ... 在dotnetcore的MVC项目中,创建支持 vue.js 的最小工程模板 网上Vue模板不是最新的,我自己做了一个最新的支持 Vue.js 的最小工程模板,方便大家从 Hello world. 入门, 在 VS2017 里学习,并扩展出自己的项目. 下面是创建步骤: 1.在 ... js switch 用法 //获取星期 //例子1 var day=new Date().getDay(); switch (day) { : x="Today it's Saturday"; break; ... js 序列化 Python 序列化 字符串 = json.dumps(对象) 对象转字符串 对象 = json.loads(字符串) 字符串转对象 Javascript 字符串 = JSON.stringif ... 更改linux下文件目录权限、拥有者及用户组 在linux中的每个用户必须属于一个组,不能独立于组外.在linux中每个文件有所有者.所在组.其它组的概念 - 所有者 - 所在组 - 其它组 - 改变用户所在的组 所有者 一般为文件的创建者,谁创 ... |
CopyRight 2018-2019 实验室设备网 版权所有 |