一个简单的网站爬虫教程，让你了解爬虫的步骤，爬虫网页数据采集

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理

项目目标

采集APP推广数据

受害者地址

https://www.cpajia.com/

 

环境

• Python3.6
• pycharm
• requests
• time
• csv

相关库用 pip install 安装即可

 

获取数据内容

 

cap之家数据是动态数据加载的~ 开发者工具可以找到相对应的数据接口

 

请求数据是POST

 

数据内容找到了，单页数据可以直接爬取，如果想要爬取多页数据，那就要分析接口数据url的变化

因为数据接口是post请求，所以一般情况都是data参数的变化，所以查看data参数的变化就可以了~

• 第一页接口数据data参数

 

 

两个接口都是一样的数据，但是data参数不一样，第二个就是感觉data参数就是对应的页数号，所以可以多看几页的data参数的变化

• 第二页接口数据data参数

 

• 第三页接口数据data参数

 

这一下就很清楚的看到data参数的变化了~Pagelndex是等差数列 刚好对应的页数

所以再翻页爬取的时候只要改变Pagelndex参数就可以了

爬虫代码

导入相关工具

import requests
import time
import csv

请求网页

url = 'https://www.cpajia.com/index.php?m=index&a=search'
data = {
    'PageIndex': '{}'.format(page)
}
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.138 Safari/537.36'
}
response = requests.post(url=url, data=data, headers=headers)

解析网页数据

    dit = {}
    for i in lis:
        dit['名称'] = i['title']
        data_time = int(i['updatetime'])
        timeArray = time.localtime(data_time)
        otherStyleTime = time.strftime("%Y--%m--%d %H:%M:%S", timeArray)
        dit['发布时间'] = otherStyleTime
        dit['单价/元'] = i['price']
        dit['结算方式'] = i['balance']
        dit['数据查看'] = i['dataview']
        dit['电话'] = i['phone']
        dit['微信'] = i['wxh']
        dit['QQ'] = i['qq']
        dit['产品要求'] = i['content']

保存数据

f = open('APP推广数据.csv', mode='a', encoding='utf-8', newline='')
csv_writer = csv.DictWriter(f, fieldnames=['名称', '发布时间', '单价/元', '结算方式', '数据查看', '电话', '微信', 'QQ', '产品要求'])
csv_writer.writeheader()

运行代码，效果如下图