zoukankan      html  css  js  c++  java

  • Python爬虫爬取动态网页

    Python爬虫爬取动态网页

    我们经常会遇到直接把网页地址栏中的url传到get请求中无法直接获取到网页的数据的情况，而且右键查看网页源代码也无法看到网页的数据，同时点击第二页、第三页等进行翻页的时候，网页地址栏中的url也没变，这些就是动态网页，例如：http://www.neeq.com.cn/disclosure/supervise.html 。

    解决办法：

    对于动态网页抓取的关键是先分析网页数据获取和跳转的逻辑，再去写代码。接下来，将以上面的那个网页为例，介绍如何利用Python来爬取动态网页的数据。

    1、分析网页数据请求和跳转的逻辑：

    如上图所示，我们打开网页之后，按“F12”进入chrome浏览器的开发工具，点击“Network”->XHR（有时候是JS），然后我们点击上面的页面跳转栏的“2”跳转到第二页，然后我们可以看到开发工具左边的框里出现了一个新的请求，即左下图的最下面那一行（蓝色那条），我们用鼠标点击它，就可以在右边显示出该请求的headers的相关信息。在Headers中我们可以知道：Requests URL就是该网页真正请求的URL，而且由Request Method可以知道这是一个post请求，而下面的Request Headers就是该请求所需要设置的headers参数。因为这是一个post请求，所以我们要查看一下post请求提交了那些数据，所以我们可以在右边的Headers中继续往下拉来查看。

    所以由上图的Form Data我们可以知道，post请求上传了两个关键的数据：disclosureType和page，到此我们就成功地分析了该动态网页数据请求和跳转的逻辑，接下来通过编程来实现爬取该网页的数据。

    2、Coding:

    1.  
      # -*- coding: utf-8 -*-
    2.  
      """
    3.  
      Created on Tue May 01 18:52:49 2018
    4.  
       
    5.  
      @author: gmn
    6.  
      """
    7.  
      #导入requests module
    8.  
      import requests
    9.  
      #导入random module
    10.  
      import random
    11.  
      #导入json module
    12.  
      import json
    13.  
       
    14.  
      # =============================================================================
    15.  
      # 应对网站反爬虫的相关设置
    16.  
      # =============================================================================
    17.  
      #User-Agent列表，这个可以自己在网上搜到，用于伪装浏览器的User Agent
    18.  
      USER_AGENTS = [
    19.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.2) Gecko/2008070208 Firefox/3.0.1"
    20.  
      "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
    21.  
      "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
    22.  
      "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
    23.  
      "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11",
    24.  
      "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
    25.  
      "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
    26.  
      "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
    27.  
      "Opera/9.80 (Windows NT 5.1; U; zh-cn) Presto/2.9.168 Version/11.50",
    28.  
      "Mozilla/5.0 (Windows NT 5.1; rv:5.0) Gecko/20100101 Firefox/5.0",
    29.  
      "Mozilla/5.0 (Windows NT 5.2) AppleWebKit/534.30 (KHTML, like Gecko) Chrome/12.0.742.122 Safari/534.30",
    30.  
      "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",
    31.  
      "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",
    32.  
      "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",
    33.  
      "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",
    34.  
      "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 SE 2.X MetaSr 1.0",
    35.  
      "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0)",
    36.  
      "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.2)",
    37.  
      "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)",
    38.  
      "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT)",
    39.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.2) Gecko/2008070208 Firefox/3.0.1",
    40.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.1) Gecko/20070309 Firefox/2.0.0.3",
    41.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.1) Gecko/20070803 Firefox/1.5.0.12 "
    42.  
      ]
    43.  
      #IP地址列表，用于设置IP代理
    44.  
      IP_AGENTS = [
    45.  
      "http://58.240.53.196:8080",
    46.  
      "http://219.135.99.185:8088",
    47.  
      "http://117.127.0.198:8080",
    48.  
      "http://58.240.53.194:8080"
    49.  
      ]
    50.  
       
    51.  
      #设置IP代理
    52.  
      proxies={"http":random.choice(IP_AGENTS)}
    53.  
       
    54.  
       
    55.  
      # =============================================================================
    56.  
      # 上面的设置是为了应对网站的反爬虫，与具体的网页爬取无关
    57.  
      # =============================================================================
    58.  
       
    59.  
      # =============================================================================
    60.  
      # 下面这些是根据刚才第一步的分析来设置的，所以下面需要按照第一步的分析来设置对应的参数。
    61.  
      # 根据第一步图片的右下角部分来设置Cookie、url、headers和post参数
    62.  
      # =============================================================================
    63.  
      #设置cookie
    64.  
      Cookie = "Hm_lvt_b58fe8237d8d72ce286e1dbd2fc8308c=1525162758; BIGipServerNEEQ_8000-NEW=83952564.16415.0000; JSESSIONID=E50D2B8270D728502754D4330CB0E275; Hm_lpvt_b58fe8237d8d72ce286e1dbd2fc8308c=1525165761"
    65.  
      #设置动态js的url
    66.  
      url = 'http://www.neeq.com.cn/disclosureInfoController/infoResult.do?callback=jQuery18307528463705200819_1525173495230'
    67.  
      #设置requests请求的 headers
    68.  
      headers = {
    69.  
      'User-agent': random.choice(USER_AGENTS), #设置get请求的User-Agent，用于伪装浏览器UA
    70.  
      'Cookie': Cookie,
    71.  
      'Connection': 'keep-alive',
    72.  
      'Accept': 'text/javascript, application/javascript, application/ecmascript, application/x-ecmascript, */*; q=0.01',
    73.  
      'Accept-Encoding': 'gzip, deflate',
    74.  
      'Accept-Language': 'zh-CN,zh;q=0.9',
    75.  
      'Host': 'www.neeq.com.cn',
    76.  
      'Referer': 'http://www.neeq.com.cn/disclosure/supervise.html'
    77.  
      }
    78.  
      #设置页面索引
    79.  
      pageIndex=0
    80.  
      #设置url post请求的参数
    81.  
      data={
    82.  
      'page':pageIndex,
    83.  
      'disclosureType':8
    84.  
      }
    85.  
       
    86.  
      #requests post请求
    87.  
      req=requests.post(url,data=data,headers=headers,proxies=proxies)
    88.  
      print(req.content) #通过打印req.content，我们可以知道post请求返回的是json数据，而且该数据是一个字符串类型的
    89.  
      #获取包含json数据的字符串
    90.  
      #str_data=req.content
    91.  
      ##获取json字符串数据
    92.  
      #str_json=str_data[8:-2]
    93.  
      #print(str_json)
    94.  
      ##把json数据转成dict类型
    95.  
      #json_Info=json.loads(str_json)

    运行结果如下：

    我们可以看到返回的数据req.content为json格式的数据，但是json数据的前面和后面分别是"jQuery18307528463705200819_1525173495230(["和"])"，所以我们要去掉这两部分，留下中间的json格式的数据。在此之前，我们可以发现“jQuery18307528463705200819_1525173495230”就是我们的url参数“callback”的值，所以为了去掉jQuery后面的一大串数字，我们可以把“callback”的值改成“jQuery”（当然你也可以改成其他的值），所以url变为'http://www.neeq.com.cn/disclosureInfoController/infoResult.do?callback=jQuery'，在此运行代码，可以得到：

    而且我们发现req.content是一个字符串类型的数据，所以我们可以用：

    1.  
      #获取json字符串数据
    2.  
      str_json=str_data[8:-2]

    来获取我们需要的中间的那部分json数据，此时代码如下：

    1.  
      # -*- coding: utf-8 -*-
    2.  
      """
    3.  
      Created on Tue May 01 18:52:49 2018
    4.  
       
    5.  
      @author: gmn
    6.  
      """
    7.  
      #导入requests module
    8.  
      import requests
    9.  
      #导入random module
    10.  
      import random
    11.  
      #导入json module
    12.  
      import json
    13.  
       
    14.  
      # =============================================================================
    15.  
      # 应对网站反爬虫的相关设置
    16.  
      # =============================================================================
    17.  
      #User-Agent列表，这个可以自己在网上搜到，用于伪装浏览器的User Agent
    18.  
      USER_AGENTS = [
    19.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.2) Gecko/2008070208 Firefox/3.0.1"
    20.  
      "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
    21.  
      "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
    22.  
      "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
    23.  
      "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11",
    24.  
      "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
    25.  
      "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
    26.  
      "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
    27.  
      "Opera/9.80 (Windows NT 5.1; U; zh-cn) Presto/2.9.168 Version/11.50",
    28.  
      "Mozilla/5.0 (Windows NT 5.1; rv:5.0) Gecko/20100101 Firefox/5.0",
    29.  
      "Mozilla/5.0 (Windows NT 5.2) AppleWebKit/534.30 (KHTML, like Gecko) Chrome/12.0.742.122 Safari/534.30",
    30.  
      "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",
    31.  
      "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",
    32.  
      "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",
    33.  
      "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",
    34.  
      "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 SE 2.X MetaSr 1.0",
    35.  
      "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0)",
    36.  
      "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.2)",
    37.  
      "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)",
    38.  
      "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT)",
    39.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.2) Gecko/2008070208 Firefox/3.0.1",
    40.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.1) Gecko/20070309 Firefox/2.0.0.3",
    41.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.1) Gecko/20070803 Firefox/1.5.0.12 "
    42.  
      ]
    43.  
      #IP地址列表，用于设置IP代理
    44.  
      IP_AGENTS = [
    45.  
      "http://58.240.53.196:8080",
    46.  
      "http://219.135.99.185:8088",
    47.  
      "http://117.127.0.198:8080",
    48.  
      "http://58.240.53.194:8080"
    49.  
      ]
    50.  
       
    51.  
      #设置IP代理
    52.  
      proxies={"http":random.choice(IP_AGENTS)}
    53.  
       
    54.  
       
    55.  
      # =============================================================================
    56.  
      # 上面的设置是为了应对网站的反爬虫，与具体的网页爬取无关
    57.  
      # =============================================================================
    58.  
       
    59.  
      # =============================================================================
    60.  
      # 下面这些是根据刚才第一步的分析来设置的，所以下面需要按照第一步的分析来设置对应的参数。
    61.  
      # 根据第一步图片的右下角部分来设置Cookie、url、headers和post参数
    62.  
      # =============================================================================
    63.  
      #设置cookie
    64.  
      Cookie = "Hm_lvt_b58fe8237d8d72ce286e1dbd2fc8308c=1525162758; BIGipServerNEEQ_8000-NEW=83952564.16415.0000; JSESSIONID=E50D2B8270D728502754D4330CB0E275; Hm_lpvt_b58fe8237d8d72ce286e1dbd2fc8308c=1525165761"
    65.  
      #设置动态js的url
    66.  
      url = 'http://www.neeq.com.cn/disclosureInfoController/infoResult.do?callback=jQuery'
    67.  
      #设置requests请求的 headers
    68.  
      headers = {
    69.  
      'User-agent': random.choice(USER_AGENTS), #设置get请求的User-Agent，用于伪装浏览器UA
    70.  
      'Cookie': Cookie,
    71.  
      'Connection': 'keep-alive',
    72.  
      'Accept': 'text/javascript, application/javascript, application/ecmascript, application/x-ecmascript, */*; q=0.01',
    73.  
      'Accept-Encoding': 'gzip, deflate',
    74.  
      'Accept-Language': 'zh-CN,zh;q=0.9',
    75.  
      'Host': 'www.neeq.com.cn',
    76.  
      'Referer': 'http://www.neeq.com.cn/disclosure/supervise.html'
    77.  
      }
    78.  
      #设置页面索引
    79.  
      pageIndex=0
    80.  
      #设置url post请求的参数
    81.  
      data={
    82.  
      'page':pageIndex,
    83.  
      'disclosureType':8
    84.  
      }
    85.  
       
    86.  
      #requests post请求
    87.  
      req=requests.post(url,data=data,headers=headers,proxies=proxies)
    88.  
      #print(req.content) #通过打印req.content，我们可以知道post请求返回的是json数据，而且该数据是一个字符串类型的
    89.  
      #获取包含json数据的字符串
    90.  
      str_data=req.content
    91.  
      #获取json字符串数据
    92.  
      str_json=str_data[8:-2]
    93.  
      print(str_json)
    94.  
      #把json数据转成dict类型
    95.  
      #json_Info=json.loads(str_json)

    运行结果如下：

    我们把str_json打印出来的字符串复制粘贴到网上的json在线解析工具来分析该数据的规律，结果如下：

    由右图，我们可以发现json数据的规律。接下来，我们先把str_json转成dict字典类型的数据：

    1.  
      #把json数据转成dict类型
    2.  
      json_Info=json.loads(str_json)

    然后就可以通过字典数据的相关操作来获取网页的相关数据了。

    完整代码如下：

    1.  
      # -*- coding: utf-8 -*-
    2.  
      """
    3.  
      Created on Tue May 01 18:52:49 2018
    4.  
       
    5.  
      @author: gmn
    6.  
      """
    7.  
      #导入requests module
    8.  
      import requests
    9.  
      #导入random module
    10.  
      import random
    11.  
      #导入json module
    12.  
      import json
    13.  
       
    14.  
      # =============================================================================
    15.  
      # 应对网站反爬虫的相关设置
    16.  
      # =============================================================================
    17.  
      #User-Agent列表，这个可以自己在网上搜到，用于伪装浏览器的User Agent
    18.  
      USER_AGENTS = [
    19.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.2) Gecko/2008070208 Firefox/3.0.1"
    20.  
      "Mozilla/5.0 (Windows; U; Windows NT 6.1; en-us) AppleWebKit/534.50 (KHTML, like Gecko) Version/5.1 Safari/534.50",
    21.  
      "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.6; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
    22.  
      "Mozilla/5.0 (Windows NT 6.1; rv:2.0.1) Gecko/20100101 Firefox/4.0.1",
    23.  
      "Opera/9.80 (Macintosh; Intel Mac OS X 10.6.8; U; en) Presto/2.8.131 Version/11.11",
    24.  
      "Opera/9.80 (Windows NT 6.1; U; en) Presto/2.8.131 Version/11.11",
    25.  
      "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_0) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.56 Safari/535.11",
    26.  
      "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
    27.  
      "Opera/9.80 (Windows NT 5.1; U; zh-cn) Presto/2.9.168 Version/11.50",
    28.  
      "Mozilla/5.0 (Windows NT 5.1; rv:5.0) Gecko/20100101 Firefox/5.0",
    29.  
      "Mozilla/5.0 (Windows NT 5.2) AppleWebKit/534.30 (KHTML, like Gecko) Chrome/12.0.742.122 Safari/534.30",
    30.  
      "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/536.11 (KHTML, like Gecko) Chrome/20.0.1132.11 TaoBrowser/2.0 Safari/536.11",
    31.  
      "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",
    32.  
      "Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E; LBBROWSER)",
    33.  
      "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",
    34.  
      "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 SE 2.X MetaSr 1.0",
    35.  
      "Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0)",
    36.  
      "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.2)",
    37.  
      "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)",
    38.  
      "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT)",
    39.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.2) Gecko/2008070208 Firefox/3.0.1",
    40.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.1) Gecko/20070309 Firefox/2.0.0.3",
    41.  
      "Mozilla/5.0 (Windows; U; Windows NT 5.1) Gecko/20070803 Firefox/1.5.0.12 "
    42.  
      ]
    43.  
      #IP地址列表，用于设置IP代理
    44.  
      IP_AGENTS = [
    45.  
      "http://58.240.53.196:8080",
    46.  
      "http://219.135.99.185:8088",
    47.  
      "http://117.127.0.198:8080",
    48.  
      "http://58.240.53.194:8080"
    49.  
      ]
    50.  
       
    51.  
      #设置IP代理
    52.  
      proxies={"http":random.choice(IP_AGENTS)}
    53.  
       
    54.  
       
    55.  
      # =============================================================================
    56.  
      # 上面的设置是为了应对网站的反爬虫，与具体的网页爬取无关
    57.  
      # =============================================================================
    58.  
       
    59.  
      # =============================================================================
    60.  
      # 下面这些是根据刚才第一步的分析来设置的，所以下面需要按照第一步的分析来设置对应的参数。
    61.  
      # 根据第一步图片的右下角部分来设置Cookie、url、headers和post参数
    62.  
      # =============================================================================
    63.  
      #设置cookie
    64.  
      Cookie = "Hm_lvt_b58fe8237d8d72ce286e1dbd2fc8308c=1525162758; BIGipServerNEEQ_8000-NEW=83952564.16415.0000; JSESSIONID=E50D2B8270D728502754D4330CB0E275; Hm_lpvt_b58fe8237d8d72ce286e1dbd2fc8308c=1525165761"
    65.  
      #设置动态js的url
    66.  
      url = 'http://www.neeq.com.cn/disclosureInfoController/infoResult.do?callback=jQuery'
    67.  
      #设置requests请求的 headers
    68.  
      headers = {
    69.  
      'User-agent': random.choice(USER_AGENTS), #设置get请求的User-Agent，用于伪装浏览器UA
    70.  
      'Cookie': Cookie,
    71.  
      'Connection': 'keep-alive',
    72.  
      'Accept': 'text/javascript, application/javascript, application/ecmascript, application/x-ecmascript, */*; q=0.01',
    73.  
      'Accept-Encoding': 'gzip, deflate',
    74.  
      'Accept-Language': 'zh-CN,zh;q=0.9',
    75.  
      'Host': 'www.neeq.com.cn',
    76.  
      'Referer': 'http://www.neeq.com.cn/disclosure/supervise.html'
    77.  
      }
    78.  
      #设置页面索引
    79.  
      pageIndex=0
    80.  
      #设置url post请求的参数
    81.  
      data={
    82.  
      'page':pageIndex,
    83.  
      'disclosureType':8
    84.  
      }
    85.  
       
    86.  
      #requests post请求
    87.  
      req=requests.post(url,data=data,headers=headers,proxies=proxies)
    88.  
      #print(req.content) #通过打印req.content，我们可以知道post请求返回的是json数据，而且该数据是一个字符串类型的
    89.  
      #获取包含json数据的字符串
    90.  
      str_data=req.content
    91.  
      #获取json字符串数据
    92.  
      str_json=str_data[8:-2]
    93.  
      #print(str_json)
    94.  
      #把json数据转成dict类型
    95.  
      json_Info=json.loads(str_json)

    注意事项：

    有时候我们按照以上步骤，仍然难以准确的找到数据访问的URL的时候，可以考虑使用selenium + 浏览器driver (如：chromedriver)的方式来爬取动态网页
  • 相关阅读:
    十个 PHP 开发者最容易犯的错误
    PHP 引用是个坑，请慎用
    Laravel 模型事件入门
    PHP 设计模式阅读清单
    《PHP 设计模式》翻译完毕
    数据库分库分表(sharding)系列(一) 拆分规则
    数据库Sharding的基本思想和切分策略
    学习JVM GarbageCollection
    数据库为什么要分库分表
    vue2.0 父子组件通信 兄弟组件通信
  • 原文地址：https://www.cnblogs.com/xinxihua/p/13855606.html
Copyright © 2011-2022 走看看