zoukankan      html  css  js  c++  java
  • python爬取动态网页

    静态网页:根据url即可方便的爬取

    动态网页:分为两种:一种是通过F12查看控制台的xhr等文件,找到包含所要爬取的内容的文件,发现这个文件的url路径跟页码有联系,那么就可以根据构造的url来进行访问爬取了。还有一种情况是查看了包含所要爬取内容的文件,发现文件url是固定不变的或者跟页码没有关系,这个时候可以通过简单的模拟浏览器点击行为来请求网页再爬取,这种方案执行效率较慢,不适于多页爬取的情况。代码如下:

     1 def parse(self, response):
     2     print 'parser>>>>>>>>>>>>>>>'
     3     try:
     4         self.varint = 1
     5         while self.varint <= 100:
     6             url = self.ROOT_URL + '*' + str(self.varint) 
     7             responsenow = requests.get(url)
     8             self.parser_html(responsenow)
     9             self.varint = self.varint + 1
    10             # time.sleep(0.1)
    11         print('success>>>>>>>>>>>>')
    12     except:
    13         print('failed>>>>>>>>>')

    对于动态网页,还可以通过模拟客户端发送post请求来爬取,代码如下:

    def parse(self, response):
        formdata = {
            'pageNo': '',
            'categoryId': '',
            'code': '',
            'pageSize': 10,
            'source': '',
            'requestUri': '*',
            'requestMethod': 'POST'
        }
        print 'parser>>>>>>>>>>>>>>>'
        try:
            self.varint = 1
            formdata['source'] = str(2)
            formdata['pageNo'] = str(self.varint)
            while self.varint <= 46:
                responsenow = requests.post(self.ROOT_URL, data=formdata)
                self.parser_html(responsenow)
                self.varint = self.varint + 1
                formdata['source'] = formdata['pageNo']   
                formdata['pageNo'] = str(self.varint)
            print('success>>>>>>>>>>>>')
        except:
            print('failed>>>>>>>>>')
  • 相关阅读:
    c#中MessageBox的使用(转)
    ArcGIS中地图配准(转)
    VS2010中VC9.0Runtime与VC10.0Runtime在win7上装不上提示error code 1603(转)
    win7下安装Oracle 10G 的成功方法
    解决win 7 下打不开chm格式文件的办法
    vi 编辑器
    开源赚钱思路
    如何开始linux 编程
    Linux C语言开发基础
    如何做开源项目——ABC
  • 原文地址:https://www.cnblogs.com/llbb/p/12045570.html
Copyright © 2011-2022 走看看